吉利汽车
大数据开发工程师（离线）
大数据开发工程师（离线）
发布于 大约 9 小时前普通员工/个人贡献者
杭州市 / 宁波市
中级经验
全职员工
仅现场办公
本科
数据工程
Dataworks
Maxcompute
Numpy
Quickbi
Sql
数据仓库
AI 估算 · 15k–25k
职位详情
关于这个职位
该职位主要负责吉利汽车集团离线数据链路的全流程开发与优化，包括数据接入、清洗、计算及报表产出
你将深入使用阿里云DataWorks、MaxCompute、Hive、Spark等大数据组件，并运用Python进行数据处理与自动化工具开发
同时，需要参与数据质量管控和平台治理，确保数据准确及时，支撑业务决策
最低要求
本科及以上学历，计算机、软件工程、大数据、统计学等相关专业，2年及以上离线数仓专职开发与建设经验，有完整大型离线数仓从0到1搭建经验者优先
精通离线数仓建设方法论，深入理解数仓分层架构、维度建模、总线矩阵、指标体系设计、数据域划分等核心理论，具备规范数仓落地实践经验
精通SQL语言，熟练编写复杂多表关联、子查询、窗口函数、聚合计算、存储过程等SQL脚本，具备丰富的SQL优化实战经验，能独立解决数据倾斜、执行效率低、资源占用过高、大表查询慢等核心问题
熟练掌握Hive、Spark大数据组件，理解其底层执行原理、执行计划、参数调优、分区分桶设计、数据倾斜优化，具备海量数据离线计算开发经验
精通Python开发，熟练使用Python进行数据处理、脚本开发、自动化运维、数据校验，掌握Pandas、Numpy等常用数据处理库
熟练使用阿里云DataWorks、MaxCompute，掌握数据开发、周期调度、任务运维、数据集成、资源配置、告警监控、数据安全等核心功能，有阿里云大数据平台实战经验
熟练使用QuickBI完成数据可视化、报表制作、多维分析、自助取数配置，能快速支撑业务数据可视化需求
具备良好的问题排查能力，能快速定位离线任务失败、数据异常、性能瓶颈、链路阻塞等问题，独立完成故障排查与修复
工作职责
负责离线数据链路全流程开发，完成数据接入、清洗转换、聚合计算、指标加工、数据输出等工作，保障业务数据、用户行为数据、业务报表数据的稳定产出
精通SQL开发与深度优化，负责复杂离线SQL脚本、数据计算任务的编写，针对数据倾斜、全表扫描、冗余计算、任务耗时过长等问题进行专项SQL优化、任务调优，提升计算效率、降低资源消耗
熟练使用阿里云DataWorks完成数据开发、任务调度、周期任务配置、依赖管理、运维监控、告警处理、数据血缘管理等全流程操作，保障离线任务稳定运行
熟练使用MaxCompute、Hive进行海量离线数据存储、计算与查询，掌握底层存储原理、分区设计、分桶优化、压缩策略、参数调优
熟练使用Spark进行分布式数据计算、复杂数据处理与批处理任务开发
精通Python数据开发，使用Python完成数据清洗、脚本调度、数据校验、异常监控、数据接口对接、自动化工具开发、日志分析、数据质量巡检等工作
负责数据质量管控，搭建数据校验规则、异常数据监控机制，及时排查数据延迟、数据丢失、数据口径不一致、任务失败等问题，保障数据准确性与及时性
基于QuickBI完成数据可视化报表开发、dashboard搭建、指标看板配置，支撑业务方自助取数、数据分析与数据展示需求
参与数据平台治理工作，包括冗余表清理、重复任务合并、存储资源优化、计算成本管控、任务链路梳理、血缘分析等，提升数仓整体资源利用率
对接产品、业务，梳理业务指标口径，理解数据需求，输出合理的数据开发方案，快速响应业务数据支撑需求
AI 洞察
优缺点分析
优点
- 吉利作为大型上市车企，平台稳定，福利完善
- 技术栈主流，涵盖Hive、Spark、Python等，技能积累价值高
- 负责核心数据链路，对业务影响大，有成就感
- 可接触汽车行业数据，行业前景广阔
- 车企数据团队可能不如互联网公司技术氛围浓厚
- 适合有2年以上离线数仓经验，喜欢稳定环境，注重技术深度和业务结合的数据工程师
缺点 / 挑战
- 离线数据处理可能涉及大量重复性工作，需要耐心
- 需要处理数据质量问题，压力较大
角色解读
- 可向大数据架构师方向发展，负责整个数据平台的设计与优化
- 可转向数据产品经理或数据运营岗位，结合业务理解数据需求
- 在大型车企积累数据经验后，可跳槽至互联网或金融行业
- 负责离线数据链路的开发与维护，包括数据接入、清洗、转换和聚合计算，确保数据稳定产出
- 编写和优化复杂SQL脚本，解决数据倾斜、性能瓶颈等问题，提升计算效率
- 使用阿里云DataWorks进行任务调度、监控和运维，保障离线任务稳定运行
- 参与数据质量管控和平台治理，包括数据校验、异常监控、冗余清理等
- 精通SQL，能编写复杂查询和优化性能
- 熟练掌握Hive、Spark等大数据组件，理解底层原理
- 精通Python，能进行数据处理和自动化脚本开发
- 熟悉阿里云DataWorks、MaxCompute和QuickBI等工具
申请策略
- 关注吉利数字化转型方向，了解其数据平台建设
- 面试时准备实际案例，展示解决数据倾斜等问题的方法
- 突出离线数仓项目经验，尤其是从0到1搭建的案例
- 强调SQL优化和性能调优的具体成果，如耗时降低百分比
- 展示Python自动化脚本开发经验，体现效率提升
- 提及使用阿里云DataWorks和MaxCompute的实战经验
- 深入学习Spark调优和底层原理，提升分布式计算能力
- 熟悉QuickBI等BI工具，增强可视化技能
面试指南
- 采用STAR法则：情境、任务、行动、结果，突出量化成果
- 结合数仓理论，展示方法论和实际落地经验
- 强调问题解决思路，从定位到优化再到验证
- 请描述一个你处理数据倾斜的案例，具体如何优化？
- 如何设计一个数仓分层架构？请举例说明
- 使用DataWorks时，如何配置任务调度和依赖？
- 如何保证数据质量？你有哪些监控手段？
- Python在数据开发中主要用来做什么？
职位点评
70
综合评分
稳定车企、主流技术栈、发展空间良好，但工作地点和弹性未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合注重技术成长和职业发展，对工作地点灵活性要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展80
工作生活50
使命价值70
薪资福利
75中等
吉利作为上市大厂，薪资福利有竞争力，但具体薪资未披露，需面议。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
80较高
技术栈主流，有数据平台治理等成长机会，但未明确晋升路径。
技术前沿主流现代技术
技术栈Hive、Spark、Python、DataWorks、MaxCompute
业务类型ambiguous
工作生活
50较低
工作地点未明确，可能需现场办公，未提及弹性工作。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
汽车行业稳定，数据驱动转型有前景，但社会影响力中性。
行业发展稳定成熟行业
社会影响中性/一般
创新程度稳健跟随主流
Watch Jobs