吉利汽车
资深后端开发工程师-数据交付组
资深后端开发工程师-数据交付组
发布于 3 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
Dataworks
Etl
Sql
数据仓库
数据建模
数据治理
阿里云
值不值得投
70综合评分
综合评分 70
大型车企数据中台核心岗，技术栈主流且业务场景丰富，利于架构能力成长，WLB及薪资细节未明确。
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。
薪资怎么样
3.5万
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 2930 个在招 · 其中数据工程 13 个
市场机会
选择面较广
杭州 · 数据工程 · 94 个在招
职位详情
关于这个职位
该职位主要负责吉利汽车数据交付组的大数据平台开发与数据仓库建设
你需要进行数据模型设计、ETL开发、数据质量治理及性能优化，并与跨部门团队协作，将业务需求转化为可靠的数据解决方案
最低要求
精通SQL，具备出色的SQL编写和性能调优能力
熟悉Hadoop生态圈常用组件（如Hive, Spark, HDFS, YARN），熟悉阿里大数据生态（DataWorks等）
深入理解数据仓库建模理论（如维度建模），熟悉Kimball或Inmon方法论
具备优秀的问题定位、分析和解决能力，能独立承担复杂数据任务的处理
具备良好的团队协作精神和沟通能力，工作积极主动，责任心强
具备良好的英语口语和文档阅读能力
工作职责
数据模型与架构设计：参与数据仓库的模型设计、分层（ODS, DWD, DWS, ADS）和优化，确保数据架构的合理性、可扩展性和高性能
ETL/ELT开发与维护：负责从多种数据源（业务数据库、日志等）进行数据的抽取、清洗、转换、加载和集成工作
大数据平台开发：基于阿里云大数据组件进行数据开发，构建稳定可靠的数据管道和数据服务
数据质量与治理：设计和实施数据质量监控规则，保障数据的准确性、一致性和完整性
参与数据治理流程，完善数据资产地图
性能优化：持续监控和优化数据任务的执行效率与资源消耗，解决数据处理过程中的性能瓶颈
跨部门协作：与业务分析师、产品经理及后端开发团队紧密合作，理解业务需求，并将其转化为可靠的数据解决方案
技术文档编写：编写清晰的技术设计、流程说明和运维文档
AI 洞察
优缺点分析
优点
- 使用阿里云大数据生态及主流Hadoop组件，技术栈成熟且符合行业主流趋势，利于个人技术积累
- 作为集团数据交付组核心成员，跨部门协作能大幅提升业务理解力与全局架构视野
- 海量数据下的性能调优和复杂ETL链路维护需要极高的耐心与底层技术深度
- 适合具备扎实大数据开发功底、对数据仓库架构有深入理解，且具备较强跨部门沟通与业务抽象能力的资深技术人才
缺点 / 挑战
- 依托大型车企的丰富业务场景，能接触到海量、复杂的真实业务数据，极具技术挑战与业务价值
- 数据质量与治理工作往往需要推动跨部门流程，沟通协调成本较高，可能面临业务方配合度不足的挑战
角色解读
- 从资深数据开发向数据架构师或数据团队技术负责人方向发展
- 深入理解汽车业务与数据治理，转型为数据产品专家或业务数据赋能负责人
- 负责数据仓库的模型设计与分层架构搭建，确保数据架构的高性能与可扩展性
- 主导ETL/ELT流程开发，基于阿里云大数据组件构建稳定的数据管道与服务
- 制定数据质量监控规则并推进数据治理，与业务团队紧密协作将需求转化为数据解决方案
- 精通SQL调优及Hadoop/Hive/Spark等大数据生态组件，熟悉阿里云DataWorks
- 深入掌握维度建模理论（Kimball/Inmon），具备扎实的数据仓库架构设计能力
- 具备优秀的复杂问题定位与解决能力，以及良好的跨部门沟通与英语文档阅读能力
申请策略
- 提前了解吉利汽车近期的数字化转型战略及数据中台建设方向，面试时结合公司业务谈数据赋能
- 突出在数据仓库分层设计（ODS/DWD/DWS/ADS）及维度建模方面的实际项目经验与架构成果
- 强调SQL性能调优、复杂ETL链路开发及基于Hadoop/阿里云组件的大数据平台实战经验
- 展示在数据质量治理、数据资产地图建设及跨部门推动数据解决方案落地的成功案例
- 复习并深化Kimball/Inmon建模理论，准备应对数据架构设计相关的深度面试问题
- 了解汽车行业的业务逻辑（如研发、制造、营销、车联网数据），提升业务敏感度
面试指南
- STAR法则：针对架构设计或性能优化问题，清晰阐述背景、任务、具体行动（技术细节）和最终量化收益
- 业务价值导向：在回答数据治理或跨部门协作问题时，强调技术如何最终服务于业务指标的提升或降本增效
- 请分享一个你主导过的最复杂的数据仓库模型设计案例，你是如何进行分层和优化的？
- 在处理海量数据ETL任务时，你遇到过哪些性能瓶颈？是如何通过SQL或组件参数调优解决的？
- 数据质量监控和治理在实际推行中常遇到业务方不配合的情况，你是如何解决的？
- 对比Hive和Spark，在什么场景下你会选择哪种计算引擎？为什么？
- 梳理过往项目中的数据模型ER图或架构图，面试时能清晰画出并讲解设计思路
- 准备1-2个底层源码或执行计划（Explain）分析的案例，以证明SQL调优的深度
职位点评
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
资深数据开发岗位在杭州市场具备较强竞争力，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
80较高
岗位涉及主流大数据生态与阿里云组件，技术栈现代且能接触复杂业务场景，利于技术深度与业务理解的双重成长。
技术前沿主流现代技术
技术栈SQL、Hadoop、Hive、Spark、HDFS、YARN、DataWorks、阿里云
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与WLB相关信息，大型车企数据团队通常面临一定的业务交付压力。
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
汽车行业正处于新能源与智能化转型期，数据赋能业务具有明确价值，但传统车企的数据文化可能处于建设期。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
吉利汽车 的其他在招职位
相似职位推荐
Watch Jobs