About The Role

构建与维护数据管道：设计并开发稳定、可扩展的批处理与实时数据管道，保障数据从采集、清洗到落库的全链路通畅。
设计 ETL / ELT 流程：基于业务需求梳理数据流向，编写高效的抽取、转换、加载作业，沉淀标准化数据处理模板。
优化数据仓库架构：以 Apache Doris 为核心参与数据仓库分层设计与建模，持续提升查询性能与存储效率；配合团队推进湖仓一体（如 Apache Iceberg）架构演进，逐步实现流批一体与存算分离。
保障数据质量与一致性：构建统一指标/标签体系与数据语义层，解决数据口径与可发现性问题；建立数据质量监控与告警机制，推动数据治理规范落地，确保跨系统数据的准确性、完整性与时效性。
驱动AI智能应用落地：建设NL2SQL链路与安全数据服务接口，为智能问数、报表及Agent提供高可用、可信赖的数据支撑，实现从数据治理到AI应用落地的闭环。
支持业务与分析团队：为数据分析师、算法工程师及业务方提供可靠的数据服务与接口，协助完成数据需求交付。
技术选型与性能调优：跟踪大数据生态技术演进，对现有架构进行持续优化与成本治理。
学历背景：本科及以上学历，计算机、软件工程、数学、统计或相关专业优先。
编程能力：精通 SQL 复杂查询与调优；掌握 Python 数据处理与自动化脚本开发；熟悉 Java/Scala 生态，具备良好的编码习惯、注释规范与工程化意识。
大数据工具：熟练掌握 Flink（实时流处理）与 Spark（离线计算）双引擎，具备状态管理与性能调优实战经验；熟悉 Apache Doris、ClickHouse 等 MPP 架构，擅长宽表建模与高并发查询优化。。
数据仓库与建模：深入理解维度建模理论，熟练构建星型/雪花模型及宽表模型；具备 TB/PB 级数仓建设经验，主导或参与 ODS/DWD/DWS/ADS 分层架构设计与落地，规范数据域与总线矩阵，保障数据一致性。
AI 数据工程基础：了解智能问数、NL2SQL / Text-to-SQL、RAG、向量检索或 AI Agent 的基本工作流程，能够从数据建模、元数据、权限与质量角度支持 AI 应用落地。
工程素养：熟悉 Linux 环境与版本控制（Git），具备问题定位、性能调优与文档沉淀能力；具备良好的跨团队沟通协作能力。

#加分项

具备 Flink 流处理深度实战经验，有低延迟实时数仓 / 实时指标链路落地案例（如 Doris + Flink 实时入仓）。
熟悉湖仓一体技术栈，有 Apache Iceberg（或 Hudi / Paimon）湖格式、流批一体落地经验。
持有数据领域专业认证（如 AWS Certified Data Analytics、Google Professional Data Engineer、Cloudera CDP 等）。
熟悉数据建模理论与工具（如 dbt、DataHub、Atlas），有数据资产目录或血缘体系建设经验。
有大规模数据治理、数据资产管理或 ML 特征平台（Feature Store）建设经验。
有智能问数平台、企业级 Copilot、NL2SQL / Text-to-SQL、RAG 知识库或 AI Agent 数据工具链建设经验；熟悉大模型应用的效果评估、查询防护、权限隔离与数据脱敏。
具备开源社区贡献或技术博客输出。