一.职业详情
1、根据公司数据资产化与智能化应用需求，通过构建高可用数据基础设施、保障数据链路高效稳定运行、落地数据治理标准，达到支撑企业数据价值释放、赋能业务決策的核心目标；
2、组织/计划：根据业务需求与技术发展趋势，设计数据仓库、实时数仓、数据湖的架构演进路线图（如分层模型设计、计算资源分配）；制定ETL开发规范、数据建模标准（如维度建模）、代码版本管理规则等，评估数据计算与存储资源需求（如
Hadoop集群容量），协调基础设施团队规划资源扩容或优化方案；
3、执行：完成数据采集、清洗、转换、加载（ETL/ELT）全流程开发，保障数据链路高效稳定；基于业务场景设计数据表结构（如用户行为事件表、订单事实表），编写SQL/Python代码实现逻辑；开发数据API、数据订阅服务、报表底层数据集，支持业务端数据调用需求；定位并修复数据链路异常（如数据延迟、计算任务失败），保障数据产出时效性；
4、协助配合：配合数据产品经理、数据分析师理解数据需求逻辑（如复杂业务指标拆解），提供技术可行性评估；协助数据团队落地数据质量监控规则、数据管理工具部署；
5、审核/审批：审核ETL脚本逻辑合理性、代码性能，确保开发质量；审核数据血缘映射关系、数据一致性校验规则，避免脏数据进入下游；审批数据表、API接口的访问权限申请；
6、分析改进：通过日志分析、资源监控，优化数据计算效率；基于故障分析，改进数据管道容错机制；评估新技术工具的适用性，推动技术栈升级；
二.任职要求
1.本科及以上学历，数据科学或计算机相关专业，一年以上经验；
2.熟练掌握 Java、Python 等一种及以上编程语言，有编程实践经验；
3.熟悉关系型数据库（如：MySQL、Oracle、SqlServer）、非关系型数据库（如：MongoDB、Redis）及分布式数据库（如：Doris）的原理与优
4.熟悉 Flink、Kafka、Hadoop、Spark、Hive、MapReduce、HBase 等大数据技术栈，并了解其工作原理和应用场景；
5.掌握 ETL/ELT 流程设计，使用工具实现数据从数据源到数据仓库的抽取、加载和转换，例如：
ETLCloud, Kettle (Pentaho) , Airflow,
Apache NiFi、DolphinScheduler 等；
6.理解数据仓库理论（如 Inmon、Kimball 建模方法），能设计分层数据仓库（ODS/DWD/DWS/ADS），优化数据模型以提升查询效率；
7.掌握数据链路监控工具，能快速定位并修复数据延迟、任务失败等生产问题；熟悉数据质量保障方法（如数据一致性校验、血缘追溯），确保数据输出的准确性与可靠性；
8.严谨、细密和工作态度和工作风格，良好的团队合作精神，较强的内部及外部沟通能力，能够承受较大的工作压力；
9.有厂商大数据认证优先；