京东
数据开发岗
数据开发岗
发布于 大约 4 小时前普通员工/个人贡献者
江苏省
中级经验
全职员工
仅现场办公
本科
SQL
数据建模
ClickHouse
AI 估算 · 15k–30k
京东大厂，3年经验数据开发，主流技术栈，薪资处于市场中上水平。
职位详情
关于这个职位
这是一份京东的数据开发岗位，主要负责数据仓库、数据集市及数据链路的设计、开发与维护，涵盖从数据接入到应用输出的全流程
你将深入业务场景，基于Hive、Spark、Flink等大数据技术进行离线与实时处理，支撑运营分析和经营决策
岗位要求3年以上经验，熟悉数据建模和主流大数据生态组件，有机器学习基础者优先
适合追求技术深度和大厂平台的数据开发者
最低要求
学历与经验：计算机科学、软件工程、信息管理、统计学或相关领域本科及以上学历
年及以上互联网或相关行业数据开发、数仓开发或大数据开发实战经验
技术要求：扎实的数据开发基础，熟悉数据仓库建模方法，了解维度建模、分层建设及数据治理相关理念
精通 SQL，熟悉 Hive、Spark SQL 等大数据查询和开发能力，具备复杂任务开发与调优经验
熟悉 Python、Shell 或 Java 中至少一种开发语言，具备良好的工程实现能力和代码规范意识
熟悉 Spark、Flink 等大数据处理框架，能够完成海量数据的离线或实时处理开发
熟悉常见大数据生态组件及调度工具，如 Hive、ClickHouse、Kafka、Airflow、DolphinScheduler 等之一或多个
工作职责
负责数据仓库、数据集市及数据链路的设计、开发与维护，完成从数据接入、清洗、加工、建模到应用输出的全流程建设与迭代
深入理解业务逻辑，结合业务场景抽象数据需求，设计并实施稳定、高效的数据解决方案，支撑运营分析、经营决策及业务增长
负责 TB/PB 级数据的离线与实时处理，基于 Hive、Spark、Flink 等技术完成数据开发、任务调度、性能优化与资源治理
建设和维护核心指标体系、宽表模型及主题数据集，保障数据口径统一、产出稳定、使用便捷
持续监控数据链路运行情况，优化任务性能、提升数据时效与稳定性，推动数据质量治理和异常排查机制建设
与产品、研发、算法、运营等团队紧密合作，推动数据能力工程化落地，确保数据服务稳定支撑上层应用与业务需求
优先资格
具备机器学习、数据挖掘相关基础，了解 LR、GBDT、DNN 等常见模型原理及应用场景
有特征工程、样本开发、算法数据集建设或算法平台数据支持经验者优先
熟悉 TensorFlow、PyTorch、Scikit-learn、XGBoost、LightGBM 等工具或框架者优先
有推荐、搜索、风控、用户增长等相关业务场景的数据开发或数据支持经验者优先
AI 洞察
优缺点分析
优点
- 京东大厂平台，技术栈主流（Hive/Spark/Flink），技能提升快
- 涉及海量数据场景，积累高并发处理经验
- 业务驱动，数据价值直接支撑经营决策，成就感强
- 工作强度较大，需要保障数据链路稳定性和时效性
- 技术更新快，需持续学习新框架和工具
- 适合有3年以上经验、热爱大数据技术、希望在大型互联网公司深入数据开发领域的工程师
缺点 / 挑战
- 跨团队协作多，沟通成本较高
角色解读
- 资深数据开发工程师：深入专精数仓架构与性能优化
- 数据架构师：负责整体数据平台设计与治理
- 数据产品/技术管理：转向数据产品经理或技术团队管理
- 负责数据仓库与数据集市的设计开发，从数据接入到应用输出的全流程建设
- 基于Hive、Spark、Flink进行TB/PB级数据的离线与实时处理，优化任务性能
- 建设核心指标体系与宽表模型，保障数据质量与稳定性
- 与产品、算法等团队协作，推动数据能力工程化落地
- 精通SQL及Hive、Spark SQL等大数据查询工具
- 熟悉Python/Shell/Java至少一种，具备工程实现能力
- 掌握Spark、Flink等框架，有海量数据处理经验
- 了解数据仓库建模与维度建模方法
申请策略
- 了解京东的业务模式（电商、物流、金融），思考数据如何支持业务
- 展示对数据质量和稳定性的重视
- 突出数据仓库建模和ETL经验，展示大型项目或复杂任务
- 强调SQL优化、Spark/Flink调优的实际案例
- 如有机器学习或算法支持经验，务必列出
- 提前复习Hive/Spark调优和Flink实时处理
- 补充数据治理和数据质量相关知识
面试指南
- 采用STAR法则，结合具体项目说明问题和解决方案
- 技术问题先解释原理，再联系实际场景
- 强调系统性思维和协作能力
- 请描述一个你设计的数仓模型，为什么选择这种建模方式？
- 如何优化一个慢的Hive或Spark任务？请举例
- Flink的Checkpoint机制原理？如何保证Exactly-Once？
- 数据质量如何保障？如果发现数据异常怎么排查？
- 复习Hive/Spark/Flink核心概念和调优参数
匹配度报告
69
综合匹配度
京东大厂，前沿技术栈，薪资有竞争力，但WLB一般。
适合人群
适合重视技术成长和职业发展、能接受一定工作压力的数据工程师。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展85
工作生活50
使命价值60
薪资福利匹配
80较高
京东为上市大厂，薪资福利在行业中上，但JD未明确具体薪资和福利，薪酬竞争力较好。
薪资信号未披露（AI估算：15K-30K/月）
成长发展匹配
85较高
技术栈前沿（Flink、Spark等），积累海量数据处理经验，有较多成长空间，但未提及晋升通道。
技术前沿前沿/新兴技术
技术栈Hive、Spark、Flink、Kafka、ClickHouse、Airflow
业务类型profit_center
工作生活匹配
50较低
仅现场办公，JD未提及WLB或弹性工作，互联网大厂数据岗位通常有一定加班压力。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
60中等
电商行业稳定且数据驱动价值明显，但社会影响力一般。
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