研发工程师（大数据开发）

优缺点分析

角色解读

• 可向大数据架构师或数据科学家方向发展，深入技术研究
• 也可转向数据团队管理岗位，如数据中台负责人
• 在央企体系内，还可参与集团数字化转型项目，拓展业务视角
• 负责数据中台的开发与交付，包括数据接入、模型开发、数据服务开发等
• 进行数据类需求分析与数据准确性验证，确保数据质量
• 参与数据治理落地，包括数据标准、元数据管理等
• 精通Hive、SQL、Hadoop、MapReduce等大数据处理工具
• 熟练使用Python或R进行统计分析，具备回归、分类等建模经验
• 熟悉数据仓库建设与维度建模，具备数据架构设计能力

申请策略

• 了解中国铝业集团业务背景，在面试中展示对有色金属行业数据应用的思考
• 提前准备1-2个大数据项目案例，使用STAR法则描述
• 突出数据中台或数据仓库项目经验，详细描述数据模型设计与开发过程
• 强调Hive、Hadoop、Python等工具的使用年限和项目成果
• 如有数据治理或央国企项目经历，务必单独列出
• 补充数据治理相关知识，如数据标准、元数据管理
• 学习更多统计建模方法，如聚类、决策树等，增强数据分析能力

面试指南

• 对于项目经验题，使用STAR法则：情境、任务、行动、结果
• 对于技术对比题，从原理、性能、适用场景等方面分点说明
• 对于问题解决题，先分析原因，再给出具体方案，最后总结效果
• 请描述你参与过的一个数据中台项目，包括数据模型设计、技术栈和遇到的挑战
• Hive与Spark的区别？在什么场景下选择Hive？
• 数据治理包含哪些方面？如何保证数据质量？
• 如何优化一个慢查询的Hive SQL？
• 你如何处理数据倾斜问题？