中国铝业集团有限公司
高级技术支持工程师（大数据应用）
高级技术支持工程师（大数据应用）
发布于 大约 16 小时前普通员工/个人贡献者
成都市
高级经验
全职员工
仅现场办公
本科
信息技术与基础设施
SQL
RESTful API
AI 估算 · 20k–35k
高级大数据技术支持，技能要求高，央企平台稳定，成都薪资中上。
职位详情
关于这个职位
该职位负责中国铝业集团大数据应用的开发与实现，涵盖数据处理、API服务构建、实时流处理及系统性能优化
需要精通Spark、Flink等大数据技术，并与产品、运营紧密协作，将业务需求转化为技术方案
适合有5年以上大数据开发经验、具备全栈能力的技术人员
最低要求
大学本科及以上文化程度
专业类别：计算机类、数学类、统计学类等
信息与计算科学、数据科学与大数据技术、数学与应用数学、统计学等相关专业优先
身体健康，年龄为45周岁以内
年以上大数据管理相关经验，精通Java、Scala、Python中的一至两门，熟练掌握Spark（Core, SQL）、Flink进行批处理和流处理
熟悉Kafka进行数据接入
精通SQL，熟悉至少一种主流关系型数据库（如MySQL）和一种NoSQL数据库（如HBase, Redis, Elasticsearch）
具有开发RESTful API的经验，熟悉常用的Web框架（如Spring Boot）和RPC框架
熟悉Linux操作，了解基本的DevOps工具，如Git、Maven、Docker、K8s，能够完成应用的自动化部署
强烈的业务导向：能够从技术视角切换到业务视角，理解业务痛点
解决问题的能力：面对复杂的数据需求和线上问题，能快速定位并解决
团队协作精神：能够与不同角色的团队成员有效沟通
工作职责
负责数据应用开发与实现
）端到端应用开发：独立或协作完成数据应用的开发、测试和部署
包括从数据接口调用、数据处理逻辑编写到前端展示（或API提供）的全过程
）核心功能开发：负责实现具体的业务功能，如：应用模型：开发展示业务核心指标的实时数据应用
用户画像与精准决策：开发用户标签应用、支撑平台运营活动精准决策
风险管控：开发实时风控管理引擎和模型执行服务
数据分析：为业务方开发灵活的数据查询、报表和可视化工具
负责数据处理与服务化
）数据加工与整合：根据应用需求，编写数据处理脚本或任务（使用Spark、Flink、SQL等），对原始数据进行清洗、转换、聚合，生成应用可直接使用的数据集
）数据服务（Data API）开发：将数据处理的结果封装成高性能、高可用的API服务，供前端应用或其他业务系统调用
）实时数据流处理：开发实时数据处理程序，为实时应用提供低延迟的数据支撑
负责系统集成与性能优化
）与业务系统集成：将开发的数据服务、数据模块与公司现有的业务系统进行集成和联调
)应用性能调优：针对数据查询慢、API响应延迟、系统吞吐量低等问题，对数据应用进行性能分析和优化，包括SQL优化、代码优化、缓存策略优化（如Redis）、资源参数调优等
团队协作
)与产品经理、运营人员紧密合作，深入理解业务需求，并将其转化为具体的技术实现方案
)与数据架构师沟通，理解平台能力，反馈应用需求，获取高质量的数据
AI 洞察
优缺点分析
优点
- 央企平台稳定，项目资源充足，可深度参与核心业务系统
- 技术栈全面（Spark、Flink、Kafka等），提升大数据全栈能力
- 团队协作与业务导向的工作模式，培养沟通与需求分析能力
- 传统行业技术迭代相对较慢，可能接触不到最前沿的AI/ML技术
- 系统集成与性能优化任务可能涉及较多遗留系统，调试复杂度高
- 工作强度可能受业务波动影响，需要快速响应线上问题
缺点 / 挑战
- 适合有5年以上大数据开发经验、希望进入稳定平台并承担关键角色、能接受一定工作压力的技术人员
角色解读
- 可向大数据架构师方向发展，深入平台设计与整体数据治理
- 也可转型为技术经理，带领团队并主导项目交付
- 在央企体系内，技术和管理双通道晋升机会
- 负责大数据应用的端到端开发，包括数据处理、API构建和实时流处理
- 使用Spark、Flink等工具对原始数据进行清洗、转换和聚合，并为业务提供高性能数据服务
- 与产品、运营团队协作，将业务需求转化为具体的技术方案，并优化系统性能
- 精通Java、Python或Scala，熟练掌握Spark和Flink进行批流处理
- 熟悉SQL及关系型/NoSQL数据库，具备RESTful API开发经验
- 了解DevOps工具，如Docker、Kubernetes，具备自动化部署能力
申请策略
- 提前了解中国铝业集团的主营业务和数字化战略，面试中展现业务理解
- 准备好一个完整的数据处理项目案例，包括架构设计和优化细节
- 突出大数据项目的全流程经验，尤其是Spark/Flink的实战案例
- 强调数据服务化（API）和性能优化成果，用数字量化提升效果
- 展示跨团队协作经历，以及如何将业务需求转化为技术方案
- 若对Kafka、Redis不够熟悉，可系统学习并动手搭建小项目
- 补充DevOps技能，如Docker、Kubernetes的常用操作
面试指南
- 使用STAR法则：背景、任务、行动、结果，突出技术选型和量化成果
- 针对优化问题，先定位瓶颈（如数据倾斜、网络开销），再提出具体方案（如调整并行度、使用缓存）
- 对于业务沟通，强调主动理解、原型验证和需求拆分能力
- 请描述一个你主导的大数据应用项目，包括技术栈和你负责的模块
- 你在Spark/Flink任务中遇到过的性能瓶颈是什么？如何优化？
- 如何保证实时数据流处理的数据一致性和准确性？
- 与业务方沟通需求时，遇到需求不明确或频繁变更的情况，你如何处理？
- 请解释你设计的一个RESTful API，如何考虑高并发和可靠性？
匹配度报告
60
综合匹配度
央企大数据技术岗，前沿技术栈，工作稳定，薪资市场水准，WLB一般。
适合人群
适合注重技术成长和职业稳定性、对工作生活平衡要求不极端的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展70
工作生活50
使命价值60
薪资福利匹配
60中等
央企薪资水平中等偏上，但JD未明确薪资及福利，仅能推测有稳定保障。
薪资信号未披露（AI估算：20K-35K/月）
成长发展匹配
70中等
技术栈为现代主流大数据技术，能积累丰富经验，但JD未提及培训或晋升通道。
技术前沿主流现代技术
技术栈Spark、Flink、Kafka、Java、Python、SQL、Hadoop、Redis、Elasticsearch、Spring Boot、Docker、Kubernetes
业务类型ambiguous
工作生活匹配
50较低
仅现场办公，地点在市区，但JD未提及WLB相关措施，可能存在加班可能。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
60中等
央企传统行业，大数据应用创新性一般，社会影响力中性。
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