渣打银行
AI Data Engineer-
AI Data Engineer-
发布于 大约 14 小时前中层管理(经理/总监)
广州市
高级经验
全职员工
混合式弹性办公
硕士
数据工程
Etl
Sql
数据管道
Azure/Aws
AI 估算 · 30k–50k
外资银行技术岗，广州地区薪资水平较高，要求6-10年经验，技术栈前沿，薪资竞争力强。
职位详情
关于这个职位
这是一个位于广州的国际化银行AI数据工程师职位，负责构建和维护支撑AI/ML应用的数据管道与基础设施
你将使用Spark、Databricks等大数据技术处理结构化与非结构化数据，为机器学习模型提供高质量特征
要求硕士学历和6-10年相关经验，适合具备扎实数据工程背景并希望接触前沿AI技术的候选人
最低要求
具备大规模生产数据管道的经验：构建并运营其他团队依赖的批处理或流处理管道，全程负责模式变更、数据回填和值班维护
熟悉Spark和Databricks（或同等分布式计算平台）：能实际调优作业中的数据倾斜、shuffle、分区和内存，熟悉Databricks等湖仓平台（Delta、Unity Catalog、workflows）
以对象存储为数据基础：掌握S3/ADLS/MinIO，深刻理解分区、文件格式（Parquet/Delta/Iceberg）、压缩，以及相关的成本和性能权衡
跨异构数据源的数据集成：将数据库、API、事件流和文件整合为可靠、一致的数据流
非结构化数据处理：能够解析、分块和规范化文档及多模态内容，使其可被AI系统消费
系统设计能力：能清晰推理吞吐量、延迟、一致性、幂等性和成本，并能为自己的设计决策辩护
硕士学历，技术专业方向，并持有AI和ML认证
年开发和交付AI解决方案的相关动手经验
工作职责
构建并维护支撑AI/ML和agentic应用的数据管道和数据基础设施，负责从数据摄入到检索就绪、特征就绪的数据
作为AI团队的Squad成员，参与并推动业务用例相关的交付
理解业务需求，执行解决方案，确保按时按计划完成交付承诺
设计和交付AI/ML用例
负责RAI、安全与治理
模型验证与改进
利益相关者管理
管理团队的项目任务和截止日期
管理一个专门负责审查与非结构化和结构化数据相关模型的团队
按需招聘、培养人才
负责交付，及时向利益相关者强调各种风险
为风险识别适当的修复计划，并制定风险路线图
了解集团运营所在的监管框架，以及与岗位相关的监管要求和期望
展现模范行为，践行集团的价值观和行为准则
承担个人责任，在渣打银行贯彻最高标准的道德，包括监管和商业行为
有效协作地识别、升级、缓解和解决风险、行为和合规问题
优先资格
具备机器学习特征工程经验，构建并在线/离线一致性地提供特征服务
熟悉流处理和big-data技术栈，包括Kafka/Kinesis/Pulsar、Flink及湖仓模式
有开源贡献，这体现了超出日常交付的技术深度
优秀的沟通能力和随和的性格
加分项：Flink、Vector
可在工作中掌握（优先，非必需）：数据管道，包括数据摄入、特征存储和数据质量
AI 洞察
优缺点分析
优点
- 位于广州，但属于国际银行，接触国际标准和前沿技术栈
- 公司提供灵活办公和较完善的福利，如30天假期、健康支持等
- 作为已上市大公司，职业稳定性高，有内部转岗和晋升机会
- 在银行环境，可能面临严格的监管和合规流程，做事需要遵循较多规范
- 数据工作涉及跨部门协作，需具备较强的沟通和利益相关者管理能力
- 适合有多年数据工程经验，希望进入金融行业并在AI领域深入发展，同时具备一定领导能力的资深工程师
缺点 / 挑战
- 涉及AI/ML数据管道，技术挑战大，可积累大数据和AI交叉领域的稀缺技能
- 要求6-10年经验，且需管理团队，对技术和管理能力都有较高要求
角色解读
- 在跨国银行技术团队中，可晋升为高级数据工程师或数据架构师，负责更复杂的数据平台
- 随着AI应用普及，可向机器学习工程或AI平台方向发展，成为领域专家
- 有机会转向数据团队管理岗位，如数据工程经理或AI交付负责人
- 构建和维护支撑AI/ML应用的数据管道，包括从数据摄入、清洗、转换到特征工程的全流程
- 使用Spark、Databricks等大数据技术处理结构化与非结构化数据，优化作业性能和资源利用
- 设计并实现数据集成方案，将多样化数据源（数据库、API、事件流）整合为可靠的数据流
- 与AI平台和数据科学团队协作，确保数据质量、可访问性和安全性
- 扎实的编程能力，精通Python和SQL，熟悉Spark和分布式计算
- 熟悉Lakehouse架构，掌握Delta Lake、Iceberg等表格式，及对象存储（S3/ADLS）的使用
- 具备数据集成和ETL/ELT经验，能处理异构数据源及非结构化数据
- 良好的系统设计能力，能权衡吞吐量、延迟、一致性和成本
申请策略
- 研究渣打银行的技术栈和AI战略，在面试中展示你对金融行业数据挑战的理解
- 准备一个你独立负责的数据管道案例，详细讲解设计决策和权衡
- 突出你构建和运维大规模生产数据管道的实际项目，包括处理数据倾斜、分区优化等经验
- 强调使用Spark、Databricks、Delta Lake等技术的具体案例，注明作业调优和数据质量改进成果
- 展示你处理非结构化数据（如文档解析、分块）的经验，以及与ML团队的协作经历
- 提及任何开源贡献或技术博客，体现技术深度
- 熟悉Databricks平台，特别是Unity Catalog和workflows
- 了解特征工程和在线/离线一致性，可学习Feast等特征存储技术
面试指南
- 使用STAR法则：情境（Situation）、任务（Task）、行动（Action）、结果（Result），清晰结构化回答
- 强调技术决策的权衡，如成本与性能、一致性 vs 可用性，展示你的系统设计思维
- 对于管理问题，突出你的沟通、协调和风险管理能力
- 请描述一个你构建的大规模数据管道，你如何保证它的可靠性和性能？
- 在Spark作业中，你是如何调优数据倾斜和shuffle的？
- 你如何处理异构数据源的集成，确保数据一致性？
- 对于AI/ML应用，你如何设计特征工程管道以确保离线/在线一致性？
- 你如何管理团队并确保项目按时交付？
职位点评
79
综合评分
广州外资银行AI数据工程师，技术前沿，稳定福利好，但有一定管理职责。
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。
更适合这类人
适合注重技术成长和职业发展、同时希望获得稳定福利和弹性工作的资深数据工程师。
表现最好
成长发展
相对薄弱
使命价值
薪资福利80
成长发展85
工作生活75
使命价值70
薪资福利
80较高
职位薪资符合市场水准，外资银行福利较好，稳定性高，但未明确薪资范围。
薪资信号未披露（AI估算：30K-50K/月）
福利待遇核心银行退休储蓄资金、医疗和人寿保险、年假、育儿假（20周）、休假年（最长12个月）、志愿者假（3天）、灵活办公
成长发展
85较高
职位涉及前沿AI/ML数据技术，有很强的成长空间，公司提供持续学习文化。
技术前沿前沿/新兴技术
技术栈Spark、Databricks、Delta Lake、Iceberg、Kafka、Flink、Python、SQL
成长机会持续学习文化、机会重新学习和提升技能
业务类型ambiguous
工作生活
75中等
提供灵活办公选项，但工作地点在广州，可能有加班压力。
工作模式混合式弹性办公
办公地点未明确
加班情况未提及（无法判断）
工作生活平衡灵活办公、志愿者假
使命价值
70中等
渣打银行使命是推动商业与繁荣，有一定社会价值，但作为数据工程师更多是技术支持。
行业发展稳定成熟行业
社会影响中性/一般
使命信号推动商业和繁荣、为善
创新程度积极采用新技术
渣打银行 的其他在招职位
相似职位推荐
Watch Jobs