吉利汽车
数仓工程师（数据报表方向）
数仓工程师（数据报表方向）
发布于 大约 13 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Clickhouse
Datax
Kettle
Pytorch
Sql
Tensorflow
值不值得投
71综合评分
综合评分 71
技术驱动、平台稳定，发展空间大，但工作地点和WLB不明确。
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。
薪资怎么样
28K
比数据工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1230 个在招 · 其中数据工程 11 个
市场机会
选择面较广
杭州 · 数据工程 · 63 个在招
职位详情
关于这个职位
作为吉利汽车的数仓工程师，你将负责汽车行业数据仓库的架构设计与开发，构建分层数据模型以支撑报表和分析场景
你将参与ETL流程优化，对接业务部门，将业务需求转化为数据模型，并探索AI技术在数据处理中的应用
该职位要求扎实的数据仓库理论和技术栈，以及优秀的业务理解和沟通能力
最低要求
本科及以上学历，计算机、统计、数学等相关专业，3年以上汽车行业数据仓库开发经验，熟悉汽车行业数据体系（如经销商数据、用户画像、车辆生命周期数据等）
精通数据仓库理论（星型/雪花模型、维度建模），熟练使用SQL、Hive、Spark、Flink等数据开发工具，掌握Kettle、DataX等ETL工具
具备扎实的数据库技术（MySQL、PostgreSQL等），熟悉大数据平台（Hadoop、HBase、ClickHouse等）的架构与应用
具备AI相关技术能力，了解机器学习基础算法，有使用Python进行数据建模或AI工具（如TensorFlow、PyTorch）辅助数据处理经验者优先
优秀的业务理解与沟通能力，能快速捕捉业务痛点，清晰表达技术方案，推动跨部门协作
具备复杂场景分析与解决能力，能独立应对数据质量问题、性能瓶颈、需求变更等挑战，有大型数据仓库项目落地经验者优先
工作职责
负责汽车行业数据仓库架构设计与开发，基于业务需求构建分层数据模型（ODS、DWD、DWS、ADS），支撑数据报表及分析场景
参与数据ETL流程设计与实现，优化数据抽取、清洗、转换及加载效率，保障数据准确性与完整性
对接业务部门，理解汽车行业核心业务逻辑（如销售、供应链、制造、用户运营等），将业务需求转化为数据模型及报表需求
结合AI技术（如机器学习模型部署、智能数据处理）提升数据处理自动化水平，探索数据驱动业务决策的应用场景
应对复杂业务场景（如多源数据整合、高并发查询、实时数据需求），提供技术解决方案并推动落地
与数据开发、数据分析、业务方等跨团队协作，确保数据资产的有效管理与价值释放
优先资格
持有CDA、AWS/Azure大数据认证或PMP证书
熟悉汽车行业BI工具（如Tableau、Power BI）的报表开发流程
有实时数仓或湖仓一体架构设计经验
AI 洞察
优缺点分析
优点
- 吉利作为大型汽车集团，平台稳定，数据规模大，能积累丰富的行业数据经验
- 技术栈全面，涉及大数据、AI等前沿技术，有利于技能提升
- 汽车行业数字化转型加速，数据岗位需求旺盛，职业前景广阔
- 需要不断学习新技术，保持知识更新
- 跨部门协作要求高，沟通成本可能较大
- 适合有3年以上数据仓库经验，熟悉大数据技术栈，对汽车行业感兴趣，且具备良好沟通能力的工程师
缺点 / 挑战
- 汽车行业数据复杂，多源整合和实时需求可能带来较大工作压力
角色解读
- 可向数据架构师或数据团队负责人方向发展，负责更大规模的数据平台设计
- 可深入AI与数据结合领域，成为数据科学或智能决策方向的专家
- 在汽车行业积累深厚业务知识，可转向业务分析或管理岗位
- 设计并开发汽车行业数据仓库，构建分层数据模型（ODS、DWD、DWS、ADS），支撑报表和分析场景
- 负责ETL流程的设计与优化，确保数据抽取、清洗、转换和加载的高效与准确
- 与业务部门沟通，理解销售、供应链、制造等业务逻辑，将需求转化为数据模型和报表需求
- 探索AI技术在数据处理中的应用，如机器学习模型部署和智能数据处理，提升自动化水平
- 精通数据仓库理论（星型/雪花模型、维度建模），熟练使用SQL、Hive、Spark、Flink等工具
- 掌握ETL工具如Kettle、DataX，熟悉MySQL、PostgreSQL等数据库及Hadoop、HBase、ClickHouse等大数据平台
- 具备AI基础，了解机器学习算法，有Python建模或TensorFlow、PyTorch使用经验者优先
- 优秀的业务理解、沟通能力和复杂问题解决能力，能推动跨部门协作
申请策略
- 了解吉利汽车的业务和数字化转型战略，在面试中展示对行业的理解
- 准备数据仓库设计的案例，展示解决复杂问题的能力
- 突出数据仓库项目经验，特别是汽车行业相关，展示分层建模和ETL优化成果
- 强调技术栈熟练度，列出具体工具和项目中使用场景
- 展示AI相关技能，如Python建模或机器学习应用案例
- 体现业务理解能力，描述如何将业务需求转化为技术方案
- 若缺乏汽车行业经验，可学习汽车行业数据特点，如经销商、用户画像等
- 补充实时数仓或湖仓一体知识，增加竞争力
面试指南
- 使用STAR法则：情境、任务、行动、结果，清晰描述项目经验
- 强调技术选型和架构设计思路，突出业务价值
- 展示问题解决步骤：分析、方案、实施、优化
- 请描述一个你设计的数据仓库项目，包括分层模型和ETL流程
- 如何处理数据质量问题？请举例说明
- 你如何理解汽车行业的数据特点？
- 你有哪些AI在数据处理中应用的经验？
- 面对高并发查询和实时需求，你会如何优化？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
薪资水平在行业中具有竞争力，但未明确提及福利，稳定性较好。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
技术栈全面，涉及大数据和AI，有较多学习和发展机会。
技术前沿主流现代技术
技术栈SQL、Hive、Spark、Flink、Python、TensorFlow、PyTorch
业务类型ambiguous
工作生活
50较低
工作地点未明确，可能涉及出差或现场办公，WLB信息不足。
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
75中等
汽车行业数字化转型，数据驱动决策有较大意义，但社会影响力一般。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs