吉利汽车
离线数仓
离线数仓
发布于 大约 1 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
Maxcompute
Sql
数据仓库
数据治理
阿里云 Dataworks
值不值得投
71综合评分
综合评分 71
稳定车企平台，技术栈主流，成长性好，但薪资披露不足且工作地点不确定。
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 1090 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
该职位负责对接业务需求，进行数据仓库模型设计、数据治理与资产建设，并基于大数据平台完成统计与开发任务
需要熟悉SQL、Linux Shell，具备2年以上数仓开发经验，掌握Flink及Hadoop生态组件
适合有数据仓库与实时数仓经验、愿意在汽车行业深耕的工程师
最低要求
全日制本科以上学历，计算机、电子、微电子、应用数学或其他相关专业
具有2年以上数据仓库（DW）、商务智能（BI）、大数据（BD）等方面的软件或项目开发经验
精通SQL编程，熟悉Linux Shell开发
熟悉数据仓库模型和数据中台模型设计方法论，有实际搭建公司层级数仓的经验，有数据仓库性能优化的实战经验
熟悉Flink或者阿里Blink框架，并有实际实时数仓开发经验
具有扎实的数据库知识，熟悉关系型数据库
需求理解能力强，拥有良好的分析和技术能力，并具备解决问题的能力
工作职责
对接并梳理业务需求，开发数据仓库模型，设计相关主题的事实表和维度表等
负责数据仓库开发相关技术文档、技术标准、编码规范的制定
负责数据治理、数据资产建设、模型集市建设等，并基于大数据平台完成各类统计和开发任务
服从并按要求完成上级领导安排的工作任务
优先资格
有使用Hadoop生态有关大数据组件（HDFS、Hive、Hbase、Flink等）经验，了解相关技术原理的优先
有互联网公司或者汽车相关行业数仓建设经验优先
熟悉阿里云数据中台DataWorks、MaxCompute、Blink等产品，并有实际开发经验者优先
AI 洞察
优缺点分析
优点
- 吉利作为大型上市车企，平台稳定，业务场景丰富，可接触海量数据
- 涉及实时数仓和云中台，技术栈较新，能提升Flink、阿里云等主流技术能力
- 汽车产业数字化转型加速，数仓岗位需求稳定，职业长期发展有保障
- 传统车企的技术环境和迭代速度可能不如互联网公司，需要适应
- 数仓岗位需深入理解业务，跨部门沟通较多，对综合能力要求高
- 工作地点需服从公司安排，可能被分配到生产基地，灵活性较低
- 适合有2年以上数仓经验、踏实稳重、愿意在汽车行业长期发展，且不排斥跨部门协作的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可以从数仓工程师成长为数据架构师，负责整体数据架构设计
- 可以转向数据产品、数据治理专家或大数据平台团队管理方向
- 在汽车行业积累丰富数仓经验后，有机会跨行业到互联网或新能源领域发展
- 对接业务需求，设计数据仓库模型，包括事实表、维度表等，支撑业务分析及报表
- 制定数仓开发规范、技术标准，并负责数据治理与数据资产建设，提升数据质量
- 基于大数据平台（如Hadoop、Flink、阿里云）完成各种统计与开发任务，包括实时数仓
- 精通SQL，具备扎实的数据库知识，能高效处理复杂查询
- 熟悉Linux Shell，能编写自动化脚本
- 掌握数仓建模方法论，有实际搭建公司级数仓的经验
- 熟悉Flink或Blink，有实时数仓开发经验，了解Hadoop生态组件
申请策略
- 吉利属于大型集团，投递时可关注职位具体归属部门和地点，与HR确认工作地点
- 面试中多展示对汽车业务的理解，如车联网数据、销售数据等
- 突出数仓建模和性能优化的实际项目案例，体现独立搭建数仓的能力
- 强调Flink/Blink实时数仓经验，这是该岗位的重要加分项
- 展示SQL和Shell的熟练度，可附上代码示例或技术博客
- 如有汽车行业或互联网数仓经验，务必在简历中显要位置提及
- 提前熟悉阿里云DataWorks、MaxCompute等产品，可以通过官方文档或免费实验环境实操
- 系统复习Hadoop生态组件原理，特别是Hive、Hbase的底层机制
面试指南
- 采用STAR法则，先说明项目背景，再讲你的具体职责和任务，然后强调采取的技术方案和行动，最后用数据量化结果（如查询性能提升50%）
- 对于技术对比类问题，先明确两者定位，再从架构、时效性、适用场景等维度分层阐述，并给出自己的选型经验
- 请介绍一下你过往的数仓项目，包括模型设计、ETL流程和性能优化方法
- 你如何理解数据中台？在项目中使用过哪些阿里云大数据产品？
- Flink的实时数仓与传统离线数仓有何区别？如何保证数据一致性？
- 当业务需求不明确时，你如何梳理并设计方案？
- Hive和Hbase各自的适用场景是什么？如何处理数据倾斜问题？
- 复习数仓建模理论，如维度建模、范式建模，并准备一个自己主导的完整案例
职位点评
薪资福利70
成长发展82
工作生活60
使命价值65
薪资福利
70中等
薪资水平处于市场中等，公司平台稳定，但JD未披露具体福利，补偿性激励一般。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
82较高
涉及实时数仓、大数据组件和阿里云产品，技术成长空间大，能积累汽车行业数据经验。
技术前沿主流现代技术
技术栈SQL、Linux Shell、Flink、Blink、Hadoop、Hive、Hbase、DataWorks、MaxCompute
业务类型ambiguous
工作生活
60中等
工作地点未明确且可能需要驻扎生产基地，加班情况未知，生活平衡性中等偏下。
工作模式仅现场办公
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
汽车行业数字化转型有一定社会价值，但数仓岗位偏后端支持，意义感一般。
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