一汽丰田
大数据开发工程师(大数据平台设计及开发)-T6
大数据开发工程师(大数据平台设计及开发)-T6
发布于 大约 16 小时前普通员工/个人贡献者
EE架构开发部
高级经验
全职员工
仅现场办公
本科
软件工程
数据仓库
ETL
数据治理
BI
车联网
StarRocks
AI 估算 · 20k–30k
大型车企5年经验大数据岗，长春市场薪资中等偏上，技术栈主流，竞争力较强。
职位详情
关于这个职位
作为车联网大数据平台的核心开发人员，你将负责设计、开发和优化数据应用平台，包括数据标准化接入、体验洞察和健康监测等
你将构建离线与实时的数据仓库，建立数据指标体系，并探索大数据与AI技术在智能网联汽车中的深度应用
最低要求
学历要求：本科及以上学历，计算机、软件工程、数据科学专业优先
工作经验：5年以上数据仓库经验，具备优秀的数据架构和业务抽象能力，参与过中、大型数据仓库从0到1建设的优先，具有智能网联汽车、数据治理、埋点相关经验优先
其他： ①掌握大数据生态技术栈，深入了解数据平台、BI、画像、分析等方向中的一项或多项
②熟练使用Hadoop生态相关技术并有相关实践经验，包括Hdfs、Mapreduce、Hive、Hbase、Spark、Kafka、Flink、StarRocks等，具备海量数据加工处理（ETL）相关经验
③深入了解常用的数据建模理论，具有丰富的实际模型设计及ETL开发经验，可独立把控数据仓库各层级的设计，有数据治理相关经验者优先
④对数据敏感，有较强的逻辑分析能力，有丰富的数据处理和分析经验，有复杂业务和算法的数据平台建设经验优先
⑤、工作认真、负责、仔细，有良好的团队合作精神，良好的分析及沟通能力
工作职责
负责车联网大数据标准化接入、整车产品体验洞察、整车健康监测平台等数据应用平台的设计、开发及优化，保障数据应用服务的稳定性与可用性
负责车联网大数据的离线、实时数据仓库建设，负责数据的生产、建模、应用及质量体系建设 3、搭建面向数据驱动整车产品闭环的数据指标体系和BI平台
负责车联网数据质量、数据资产、数据治理相关的开发工作，提升数据质量及易用性 5、积极探索大数据及人工智能技术的深度应用，并落地到智能网联产品业务
优先资格
具有智能网联汽车、数据治理、埋点相关经验优先
有数据治理相关经验者优先
有复杂业务和算法的数据平台建设经验优先
AI 洞察
优缺点分析
优点
- 大平台稳: 一汽丰田为成熟车企，项目资源充足，稳定性高
- 技术栈全面：覆盖Hadoop生态主流组件，接触车联网海量数据场景，技术积累硬核
- 行业前景好：智能网联汽车是高速增长赛道，数据驱动成为核心，职位价值持续提升
- 能参与从0到1建设：有机会搭建大型数据平台，简历亮点突出
- 工作地点可能不在一线城市，长春互联网氛围弱于北上深，薪资竞争力有限
- 传统车企数据文化可能较保守，创新推动需较多沟通成本
- 技术栈偏传统Hadoop生态，新兴技术（如云原生、流式湖仓）应用可能较慢
- 适合追求稳定、希望深耕车联网大数据领域、具备扎实Hadoop生态经验且能接受二三线城市发展的技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术方向：大数据开发专家 → 数据架构师 → 技术总监，深耕车联网数据领域
- 管理方向：可向技术团队Leader发展，负责数据平台团队建设
- 业务方向：结合汽车行业经验，转型为数据产品经理或数据业务分析师
- 设计并开发车联网大数据平台，实现数据标准化接入和实时/离线处理
- 构建数据仓库和数据治理体系，提升数据质量和易用性
- 搭建BI平台和数据指标体系，支撑产品体验洞察和健康监测
- 探索大数据与AI技术，推动智能网联汽车业务的数据驱动创新
- 精通Hadoop生态技术栈，如HDFS、Hive、Spark、Kafka、Flink等，具备海量ETL经验
- 深入理解数据建模理论，能独立设计数仓分层并优化数据质量
- 熟悉数据治理、数据资产管理和BI平台建设
- 具备较强的逻辑分析能力和业务抽象能力，有车联网或智能硬件经验优先
申请策略
- 在面试中展示对车联网数据场景的理解，可主动提出相关案例或想法
- 关注一汽丰田数字化转型战略，在沟通中体现对业务驱动数据的认知
- 突出数仓从0到1的建设经验，包括架构设计、分层模型、ETL流程
- 强调大数据生态技术栈的实战项目，尤其是Flink/Spark实时处理和大规模Hive/Kafka应用
- 展示数据治理和BI平台搭建成果，用具体指标说明数据质量提升或业务效果
- 若有车联网、物联网或智能硬件相关经验，务必重点提及
- 补充数据治理相关工具（如Atlas、DataHub）和元数据管理知识
- 学习汽车行业数据特点（如CAN总线、OBD、GPS数据），提前了解车联网业务
面试指南
- 使用STAR法则：情境、任务、行动、结果，清晰展现项目贡献
- 技术问题要结合具体场景，先分析需求再选型，体现架构思维
- 对开放性问题，先给出框架（如分层、工具链），再深入细节，展示逻辑
- 请描述你参与过的数据仓库从0到1建设的项目，包括架构设计、技术选型以及遇到的挑战
- 如何设计车联网数据的实时ETL管道？请结合Flink和Kafka说明
- 在数据治理中，如何衡量数据质量？你常用哪些工具或方法？
- 如果业务方需要实时监控车辆健康状态，你会怎样搭建数据链路？
- 谈谈你对Lambda架构和Kappa架构的理解，以及在车联网场景下的适用性
匹配度报告
72
综合匹配度
传统车企大数据岗，技术主流、成长空间大，但薪资与WLB一般。
适合人群
适合重视技术成长和行业前景，对WLB要求不高，能接受二三线城市稳定工作的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展85
工作生活60
使命价值75
薪资福利匹配
70中等
薪资在长春市场属中上水平，但相比一线城市互联网大厂偏低；福利方面未在JD明确提及，推测有车企标准五险一金。
薪资信号未披露（AI估算：20K-30K/月）
成长发展匹配
85较高
技术栈主流且覆盖全面，有机会参与大规模数据平台建设，成长空间大；但JD未明确提及晋升或培训机制。
技术前沿主流现代技术
技术栈Hadoop、Hive、Spark、Kafka、Flink、StarRocks
业务类型cost_center
工作生活匹配
60中等
工作模式未明确，大概率现场办公；未提及弹性或加班情况，但传统车企通常相对稳定，WLB一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
75中等
车联网属于高速增长赛道，数据驱动汽车智能化有明确社会价值，但JD未提及使命或创新信号。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs