吉利汽车
大数据开发工程师（实时）
大数据开发工程师（实时）
发布于 不到 1 分钟前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Dataworks
Hologres
Maxcompute
Quickbi
Sql
实时数仓
数据治理
值不值得投
72综合评分
综合评分 72
大型车企的实时数仓岗位，技术栈主流，薪资有竞争力，但工作强度可能较大。
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
该职位负责吉利汽车集团实时数仓的整体建设与优化，包括架构设计、Flink实时任务开发、Kafka消息链路治理、Hologres存储与查询优化，以及基于DataWorks的离线兜底和QuickBI可视化报表开发
你将深入业务，梳理实时指标口径，保障数据准确性、时效性，支撑业务实时监控与决策
适合具备2年以上实时数仓经验、精通Flink和SQL、熟悉阿里云大数据生态的工程师
最低要求
本科及以上学历，计算机、大数据、软件工程、统计学等相关专业，2年及以上实时数仓开发与建设经验，具备完整实时数仓从0到1搭建经验者优先
精通实时数仓建设方法论，熟悉实时数仓分层架构、实时建模、指标体系搭建，了解实时与离线数仓融合建设思路，具备成熟的项目落地经验
精通SQL，熟练使用Flink SQL、Hologres SQL，擅长复杂实时计算逻辑开发，具备丰富的SQL调优、实时任务性能优化经验，可独立解决数据倾斜、任务反压、消息积压、查询超时等问题
熟练掌握Flink核心原理，精通窗口机制、状态管理、checkpoint、watermark、迟到数据处理、背压优化、资源调优，具备大规模实时任务开发与运维经验
熟练使用Kafka，熟悉消息队列存储、分区、副本、消费组机制，具备消息积压排查、吞吐优化、数据流治理实战能力
熟练掌握Hologres使用与调优，熟悉实时数仓存储设计、索引优化、实时聚合、高并发查询优化，有大规模实时数据服务落地经验
精通Python，熟练运用Python进行数据处理、自动化运维、数据对账、监控脚本开发，独立完成数据异常校验与问题定位
熟练使用阿里云DataWorks、MaxCompute平台，掌握数据开发、调度运维、数据集成、任务监控等能力，可完成实时离线联动开发
熟练使用QuickBI完成实时报表、数据大屏、多维分析图表开发，满足业务可视化需求
具备良好的问题排查能力、业务理解能力和沟通协作能力，工作严谨负责，能承受互联网数据场景的迭代节奏
工作职责
负责实时数仓整体建设与分层设计，搭建标准实时数仓架构，规范实时数据域划分、指标体系、建模标准及开发规范，统筹实时数据链路的迭代与优化，保障数仓体系稳定可扩展
负责Flink实时任务开发，包括实时数据流接入、数据清洗、维度关联、窗口计算、状态计算、双流join、迟到数据处理等核心开发工作，落地各类实时业务指标
熟练使用Kafka消息队列，负责topic规划、分区策略、消息积压治理、消费策略优化、数据流解耦，保障实时消息链路高吞吐、低延迟、无丢失
熟练使用Hologres进行实时数仓存储、实时聚合、多维查询、实时服务层建设，负责表结构设计、分区主键优化、索引调优、查询性能优化，支撑高并发实时查询场景
精通SQL开发及实时SQL优化，针对Flink SQL、Hologres查询存在的延迟过高、资源占用大、数据倾斜、查询慢等问题进行专项调优，解决实时任务积压、数据延迟、数据重复、状态异常等线上问题
熟练使用阿里云DataWorks、MaxCompute，配合实时场景完成离线兜底数据加工、任务调度、数据同步、数据校验，实现实时+离线数据链路联动，保障数据口径统一、数据结果一致
精通Python，可独立编写数据校验脚本、自动化巡检工具、数据对账程序、监控告警脚本，提升实时数据质量与运维效率
负责实时数据质量治理，搭建实时数据监控、异常告警、数据对账、容错重试机制，及时处理数据延迟、数据缺失、口径偏差、任务失败等问题，保障实时数据准确性、时效性、完整性
基于QuickBI搭建实时数据大屏、实时指标看板、业务分析报表，支撑业务实时监控、运营决策、数据复盘等场景需求
深入对接业务需求，梳理实时指标口径，沉淀标准化实时指标体系，持续优化实时链路架构，降低计算成本、提升业务响应效率
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，数据量庞大，有利于积累实战经验
- 实时数仓是当前大数据领域的热门方向，技能市场需求大，职业发展前景好
- 职位涉及完整的技术栈（Flink、Kafka、Hologres、阿里云），能全面提升技术能力
缺点 / 挑战
- 实时数据处理对性能和稳定性要求高，需要应对数据延迟、积压等线上问题，工作压力较大
- 需要与业务部门紧密协作，沟通成本较高，且需快速响应业务变化
- 汽车行业的数据场景可能不如互联网公司迭代快，但技术挑战依然存在
- 适合具备2年以上实时数仓经验、热爱技术钻研、能承受一定工作压力、希望在大型企业平台稳定发展的数据工程师
角色解读
- 可向实时数仓架构师或大数据技术专家方向发展，负责更大规模的数据平台建设
- 可横向拓展至数据治理、数据产品等方向，结合业务需求提升数据价值
- 在吉利体系内，有机会参与汽车智能化、车联网等新兴数据场景，拓宽行业视野
- 负责实时数仓的架构设计与分层建设，制定数据模型和开发规范，确保实时数据链路的稳定与可扩展
- 使用Flink进行实时数据处理，包括数据接入、清洗、关联、窗口计算等，实现各类实时业务指标
- 管理Kafka消息队列，优化topic和分区策略，处理消息积压，保障高吞吐、低延迟的数据传输
- 基于Hologres进行实时存储与查询优化，并利用DataWorks和QuickBI实现数据链路联动和可视化报表
- 精通Flink核心原理，包括窗口、状态、checkpoint、watermark等，具备大规模实时任务开发经验
- 熟练使用Kafka和Hologres，掌握消息队列和实时数仓的调优技巧
- 精通SQL和Python，能够进行复杂查询优化和自动化脚本开发
- 熟悉阿里云大数据生态（DataWorks、MaxCompute、QuickBI），具备实时离线融合经验
申请策略
- 关注吉利数字化转型的战略方向，在面试中展现对汽车行业数据应用的思考
- 准备一个完整的实时数仓项目案例，详细说明架构设计、技术选型和问题解决过程
- 突出实时数仓从0到1的搭建经验，包括架构设计、分层建模、指标体系建设等
- 强调Flink和Kafka的实际项目经验，特别是处理数据倾斜、消息积压等问题的案例
- 展示SQL和Python的优化能力，如性能调优、自动化脚本开发等
- 如有阿里云平台使用经验，务必提及DataWorks、MaxCompute、Hologres等
- 深入学习Flink的状态管理和容错机制，掌握高级调优技巧
- 熟悉Hologres的存储模型和查询优化，了解实时数仓最佳实践
面试指南
- 采用STAR法则：情境、任务、行动、结果，清晰展示项目背景和个人贡献
- 技术问题先阐述原理，再结合实践经验，最后总结优化效果
- 对于架构设计问题，从业务需求、技术选型、成本效益等角度综合分析
- 请描述一次你从0到1搭建实时数仓的经历，包括架构设计和遇到的挑战
- 如何处理Flink任务中的数据倾斜问题？请举例说明
- Kafka消息积压时，你会如何排查和解决？
- Hologres与ClickHouse等实时数仓的对比，你的选型考虑是什么？
- 如何保证实时数据与离线数据的一致性？
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
职位薪资水平在杭州具有竞争力，且吉利作为上市公司福利体系完善，但具体薪资未披露，需面议。
薪资信号面议 (20K-35K/月)
成长发展
85较高
职位涉及实时数仓前沿技术栈，技能成长空间大，但JD未明确提及晋升通道。
技术前沿主流现代技术
技术栈Flink、Kafka、Hologres、DataWorks、MaxCompute、QuickBI
业务类型ambiguous
工作生活
50较低
工作地点可能在杭州滨江区或萧山区，通勤便利性一般；JD未提及弹性工作或远程，且暗示互联网节奏，可能加班。
工作模式仅现场办公
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
70中等
汽车行业数据应用具有社会价值，但职位更偏向技术实现，使命感一般。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs