吉利汽车
性能数智技术开发岗
性能数智技术开发岗
发布于 大约 18 小时前普通员工/个人贡献者
全职员工仅现场办公大数据
大数据
Clickhouse
机器学习
值不值得投
68综合评分
综合评分 68
传统车企数智化核心开发岗，技术栈全面利于成长，薪资福利有保障，但WLB与具体办公模式未明。
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
20K
比大数据中位数高
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 2060 个在招 · 其中大数据 2 个
市场机会
选择不多
宁波 · 大数据 · 1 个在招
职位详情
关于这个职位
该职位是吉利汽车的性能数智技术开发岗，主要负责参与数据架构规划，构建数据指标体系和数据模型，并运用大数据与机器学习技术进行数据开发、清洗与分析，以支持汽车性能的数字化和智能化
最低要求
熟悉Java基础，能够使用Java语言进行编程开发
熟悉Linux系统基本操作命令及简单shell脚本
熟悉使用原生 Apache,CDH 和阿里云服务搭建大数据开发集群
熟悉hadoop生态系统，HDFS读写机制，yarn资源管理原理，MapReduce工作原理
熟悉zookeeper原理，zookeeper和其他组件做分布式协调
熟悉使用kafka原理和使用方法，kafka数据可靠性，能够熟练配置kafka并调优
熟悉Maxwell，DataX，FlinkCDC等数据同步组件的基本工作原理，并且能够合理使用它们同步数据
掌握 Hbase 表结构、存储、Phoenix 关联查询
掌握Clickhouse列式数据库 原理，使用
熟悉Spark工作流程，spark sql等相关的技术栈
熟悉sqoop，datax等同步数据工具的使用，如HIVE/HDFS和RDBMS互导，全量导入，增量导入
熟悉Hive构建数据仓库，Hive sql的编写及调优，开窗函数、爆炸函数、自定义函数运用
熟悉使用Flink框架，flink 检查点，flink状态后端的调优，flink sql，flink cep，水位线，窗口等原理
熟练掌握Flume的三个组件和使用方法，能够进行日志数据的收集、传输、过滤等工作，以及自定义拦截器来解决零点漂移的问题
使用Azkaban通过shell脚本将结果数据落地到Mysql业务数据库
熟练使用主流BI开发工具
工作职责
参与数据架构的规划，基于各条线业务，搭建适合的数据指标体系
参与设计、构建和优化数据规则的定义、并与技术团队一起，进行数据模型的建立、数据清洗
具备大数据和机器学习型思维
学习主流的基础DevOps平台，如K8S，可以实现持续的平台/模型改进
具备良好的团队合作精神、严密的逻辑思维能力及高效沟通能力
优先资格
汽车行业数据分析经验者优先
AI 洞察
优缺点分析
优点
- 技术栈全面且前沿，能系统性地锻炼从数据采集、处理到分析应用的全链路能力
- 处于传统汽车企业数智化转型的核心赛道，行业前景与技术落地空间大
- 在大型成熟企业平台，项目规模大，数据丰富，有利于积累解决复杂业务问题的经验
- 在传统制造型企业推动数据技术应用，可能需要更强的业务理解与沟通能力来确保项目落地
- 作为数智化部门，可能需要理解并适应传统行业的研发流程与节奏
- 适合具备扎实大数据技术功底，乐于在复杂业务场景中解决实际问题，并希望参与传统行业数字化变革的工程师
缺点 / 挑战
- 技术栈庞杂，对候选人全栈大数据能力要求很高，学习与维护压力较大
角色解读
- 技术深耕路径：可向大数据架构师、数据平台专家方向发展，专注于复杂系统设计与性能优化
- 领域融合路径：深入汽车或制造业领域，成为汽车行业数智化专家或解决方案架构师
- 管理路径：在技术团队中承担更多责任，可发展为技术组长或小型团队负责人
- 负责企业级数据仓库的架构规划与模型构建，设计满足多业务线需求的数据指标体系
- 运用Hadoop、Spark、Flink等大数据技术栈进行数据采集、处理、清洗与开发，保障数据流的高效稳定
- 结合DevOps理念和工具（如K8S），参与数据平台或机器学习模型的持续集成与优化
- 与技术及业务团队协作，将数据能力转化为支持汽车性能分析与决策的数智化解决方案
- 精通Java编程，熟悉Linux环境与Shell脚本，具备扎实的开发基础
- 深入掌握Hadoop生态（HDFS, YARN, Hive, HBase, Kafka, Zookeeper）及实时计算框架Flink的核心原理与调优
- 熟悉数据同步工具（如DataX, FlinkCDC, Sqoop）与数据仓库（ClickHouse）的实践应用
- 具备数据建模能力、DevOps平台（K8S）基础，并有机器学习思维，能结合业务进行数据价值挖掘
申请策略
- 研究吉利汽车在‘数智化’、‘智能制造’方面的公开战略或报道，理解岗位在公司转型中的价值
- 准备1-2个复杂数据问题的解决方案案例，突出你的技术选型思路与落地能力
- 详细描述使用Hadoop、Flink、Spark等技术栈构建或优化大数据平台/数仓的项目经验
- 突出在数据建模、数据质量治理、性能调优方面的具体实践与成果
- 如有汽车、制造业或其他复杂B端业务的数据分析或开发经验，应重点阐述
- 深入学习实时数据处理框架Flink的高级特性（如状态管理、CEP）
- 实践DevOps工具链（如Kubernetes）在数据平台中的应用，了解CI/CD流程
- 补充汽车性能或智能制造相关的领域知识，理解业务痛点
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化地讲述项目经历
- 对于技术设计题，从需求分析、技术选型、架构设计、数据流、容错与监控等维度展开
- 结合具体技术组件（如Flink的Checkpoint、Hive的调优）阐述解决方案的细节
- 请描述一个你主导或深度参与的大数据平台/数仓项目，其中遇到的最大技术挑战是什么？如何解决的？
- 如何保证从Kafka到Flink再到Hive的数据链路的实时性、准确性和完整性？
- 在你的项目中，是如何进行数据质量监控和治理的？
- 如果让你为一个汽车性能指标（如车辆能耗）构建实时数仓，你会如何设计整体技术架构？
- 你对DevOps（如K8S）在大数据平台运维中的应用有什么理解？
职位点评
薪资福利70
成长发展80
工作生活50
使命价值65
薪资福利
70中等
作为大型汽车企业的正式技术岗位，薪酬福利体系通常比较规范，但具体竞争力需结合实际offer判断。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
80较高
岗位技术栈全面且主流，涉及大数据全链路与DevOps，能提供扎实的技术能力成长。
技术前沿主流现代技术
技术栈Java、Hadoop、Spark、Flink、Kafka、Hive、ClickHouse、K8S
业务类型ambiguous
工作生活
50较低
JD未提及任何工作模式、WLB或加班相关信息，无法判断其工作生活平衡状况。
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
65中等
服务于传统汽车行业的数智化转型，具有一定的产业升级推动价值，但技术岗位的直接社会影响力感知一般。
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