赛默飞世尔
Sr. Data Engineer
Sr. Data Engineer
发布于 2 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
Etl/Elt
Llm
Sql
值不值得投
85综合评分
综合评分 85
顶尖外企平台、前沿AI知识管理技术、强烈的社会使命感，工作节奏适中偏快
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.8万
比数据工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
78 个在招
市场机会
选择面较广
上海 · 数据工程 · 约 130 个在招
职位详情
关于这个职位
作为赛默飞世尔的高级数据工程师，您将负责构建和维护企业级数据管道与知识平台，支持商业智能及AI转型
核心职责包括设计可扩展的数据架构、开发企业知识库解决方案，并利用LLM等前沿技术优化知识管理，赋能业务创新
最低要求
计算机科学、数据工程、信息系统或相关专业本科及以上学历
年以上数据工程、数据平台或相关技术岗位工作经验
至少2年近期实际经验，负责设计、实施和维护企业知识库或知识管理解决方案
精通数据建模、数据集成、ETL/ELT开发及企业数据架构
熟练掌握SQL及现代数据工程技术
具备处理结构化与非结构化数据的经验
深入理解企业知识管理的概念、方法论及最佳实践
熟悉当前AI和LLM的发展及其对企业知识管理的影响
能够清晰阐述企业知识平台的演进、现状及未来方向
具备强大的问题解决、沟通及利益相关者管理能力
能在快节奏、快速变化的环境中工作
工作职责
数据工程*：
设计、开发和维护跨企业平台的可扩展数据管道、数据模型和数据产品
从多个业务系统和来源整合结构化与非结构化数据
构建和优化支持分析、报告、AI应用及知识管理倡议的数据架构
确保企业数据资产的质量、可靠性、治理和性能
与业务利益相关者合作，将业务需求转化为可扩展的技术解决方案
企业知识库开发*：
领导企业知识库解决方案的设计、实施和持续改进
识别、组织、结构化和维护业务知识资产，以提高可发现性和复用性
开发框架和流程，将业务知识转化为可扩展的企业资源
与业务、商业、数字和AI团队合作，建立可持续的知识管理实践
推动知识治理、内容组织、元数据管理和知识生命周期管理
AI与知识赋能*：
评估新兴AI技术（包括大型语言模型LLM）对企业知识管理战略的影响
通过提供高质量的知识基础和结构化信息资产，支持AI驱动的商业倡议
紧跟企业知识管理、AI和信息架构的行业趋势和最佳实践
对未来状态的知识平台能力和企业知识战略提供建议
优先资格
支持AI驱动的商业应用、数字化转型或企业搜索项目的经验
拥有知识图谱、语义搜索、企业搜索平台或内容管理系统的相关经验
有基于云的数据平台（如Databricks, Azure, AWS）使用经验
熟悉数据治理、主数据管理及企业信息架构
在制药、生物技术、医疗或生命科学行业有经验者优先
有与商业、营销、客户体验或数字团队协作的经验
AI 洞察
优缺点分析
优点
- 依托赛默飞世尔全球龙头平台，资源丰富且业务稳定
- 聚焦AI+知识管理前沿领域，技术栈先进且具有差异化竞争力
- 生命科学行业壁垒高，职业寿命长，社会价值感强
- 大型企业内部系统复杂，跨部门协调成本高，推进变革阻力较大
- 非纯算法岗，需在业务落地与技术实现间寻找平衡
- 适合具备扎实数据工程基础，同时对AI应用和企业知识管理感兴趣，希望在成熟外企长期发展的中高级技术人员
缺点 / 挑战
- 需同时兼顾传统数据工程与新兴AI应用，学习压力大且要求快速适应
角色解读
- 可向首席数据工程师、数据架构师方向发展，或转向AI产品经理、知识管理专家等复合型角色
- 在生命科学数字化领域积累深厚后，具备极高的行业壁垒与职业竞争力
- 负责构建和维护企业级数据管道与知识库平台，确保数据质量与可用性
- 利用LLM等AI技术优化知识管理策略，将业务需求转化为可复用的数据资产
- 与业务、AI团队紧密协作，推动数字化转型与智能化应用落地
- 扎实的数仓建模、ETL/ELT开发及SQL能力
- 熟悉主流云平台（Azure/AWS/Databricks）
- 深入理解企业知识管理方法论，具备LLM在企业场景落地的实践经验
- 优秀的跨部门沟通与业务翻译能力
申请策略
- 面试中需展现对生命科学行业的理解，以及如何用数据技术解决该行业特定痛点的能力
- 准备关于“如何将非结构化业务文档转化为结构化知识资产”的具体案例
- 重点突出3年以上数据工程实战经验，特别是涉及大规模数据处理和架构设计的案例
- 详细展示在“企业知识库”或“知识管理”方面的具体项目成果，量化提升的效率或覆盖率
- 强调LLM在实际业务场景中的应用经验，而非仅停留在理论层面
- 若缺乏LLM落地经验，建议提前了解向量数据库、RAG架构及Prompt Engineering在企业知识库中的应用
- 熟悉Azure或AWS的数据服务组件，以及Databricks平台的操作
- 补充数据治理和数据质量管理的相关知识
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答项目类问题
- 重点突出技术选型的理由、遇到的瓶颈及解决方案、以及最终带来的业务价值（如效率提升、成本降低）
- 对于AI相关问题，强调落地可行性与业务结合点，避免空谈技术概念
- 请描述你过去设计的最复杂的企业数据管道或知识库架构，遇到的最大挑战是什么？
- 你是如何利用LLM或AI技术来增强企业知识管理能力的？请举例说明
- 在处理结构化与非结构化数据混合的场景下，你如何保证数据质量和一致性？
- 如何向非技术背景的业务 stakeholders 解释数据平台或知识库的价值？
- 复习数据仓库建模理论（维度建模等）、ETL工具原理及SQL优化技巧
职位点评
薪资福利85
成长发展90
工作生活70
使命价值95
薪资福利
85较高
作为已上市的跨国巨头，赛默飞世尔提供符合市场水准且具有竞争力的薪资，完善的福利体系（五险一金、补充医疗等）和稳定的就业环境，对补偿性动机满足度较高。
薪资信号未披露（AI估算：3.5千–6.0万/月）
成长发展
90较高
职位深度结合LLM与企业知识管理，处于技术前沿，能提供极佳的技术成长空间。大公司的规范流程和丰富资源有利于职业履历增值。
技术前沿前沿/新兴技术
技术栈LLM、Generative AI、Knowledge Graph、Semantic Search、Databricks、Azure、AWS
业务类型profit_center
工作生活
70中等
标准Mon-Fri工作制且办公室环境，通常意味着较好的WLB。但JD提及“fast-paced, rapidly evolving environments”，暗示工作节奏较快，可能存在阶段性高强度。
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
工作生活平衡Standard (Mon-Fri)
使命价值
95较高
公司使命明确指向“让世界更健康、更清洁、更安全”，直接关联环境保护、食品安全和癌症治愈等重大社会议题，意义感动机满足度极高。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号enable our customers to make the world healthier, cleaner and safer、protecting the environment、making sure our food is safe、helping find cures for cancer
创新程度积极采用新技术
赛默飞世尔 的其他在招职位
相似职位推荐
Watch Jobs