京东高级数据开发工程师
社招全职3-5年数据开发岗地点:北京状态:招聘
任职要求
1. 教育背景:本科及以上学历,计算机科学、信息技术、统计学等相关专业; 2. 工作经验:具备3-5年数据开发相关领域工作经验,有大型数据仓库建设及优化经验者优先; 3. 能力要求: 技术能力:熟练掌握数据仓库设计、ETL流程开发、数据建模等技能;熟悉大数据处理框架如Hadoop、Spark等;具备数据库如MySQL、Oracle等的使用经验; 业务理解:具备良好的业务理解能力,能够根据业务需求设计合理的数据解决方案,支撑业务决策; 数据分析:具备较强的数据分析能力,能够通过数据挖掘发现潜在的业务价值; AI应用:能够独立完成某一 DataAgent 应用的需求分析,并与算法开发、软件开…
登录查看完整任职要求
微信扫码,1秒登录
工作职责
1. 负责数据平台的开发与维护工作,根据业务需求,进行数据仓库的设计与构建,确保数据准确性与数据质量; 2. 深入理解业务,通过高效的数据处理手段,为决策提供数据支持,推动业务发展; 3. 负责数据集成、数据清洗、数据建模等数据处理工作,优化数据处理流程,提升数据处理效率; 4. 与团队紧密协作,通过技术手段解决复杂的数据问题,共同推动项目进度,达成业务目标; 5. 跟踪并研究数据领域的前沿技术,不断探索新技术在业务中的应用,促进业务创新与发展。
包括英文材料
学历+
数据仓库+
https://www.youtube.com/watch?v=9GVqKuTVANE
From Zero to Data Warehouse Hero: A Full SQL Project Walkthrough and Real Industry Experience!
https://www.youtube.com/watch?v=k4tK2ttdSDg
ETL+
https://www.ibm.com/think/topics/etl
ETL—meaning extract, transform, load—is a data integration process that combines, cleans and organizes data from multiple sources into a single, consistent data set for storage in a data warehouse, data lake or other target system.
https://www.youtube.com/watch?v=OW5OgsLpDCQ
It explains what ETL is and what it can do for you to improve your data analysis and productivity.
Hadoop+
https://www.runoob.com/w3cnote/hadoop-tutorial.html
Hadoop 为庞大的计算机集群提供可靠的、可伸缩的应用层计算和存储支持,它允许使用简单的编程模型跨计算机群集分布式处理大型数据集,并且支持在单台计算机到几千台计算机之间进行扩展。
[英文] Hadoop Tutorial
https://www.tutorialspoint.com/hadoop/index.htm
Hadoop is an open-source framework that allows to store and process big data in a distributed environment across clusters of computers using simple programming models.
Spark+
[英文] Learning Spark Book
https://pages.databricks.com/rs/094-YMS-629/images/LearningSpark2.0.pdf
This new edition has been updated to reflect Apache Spark’s evolution through Spark 2.x and Spark 3.0, including its expanded ecosystem of built-in and external data sources, machine learning, and streaming technologies with which Spark is tightly integrated.
还有更多 •••
相关职位
社招3年以上技术类
1、负责离线数据仓库的设计、构建和优化,确保数据质量和性能2、开发和维护用户画像系统,生产高质量的用户特征3、使用 Hive、Spark SQL、Iceberg 等技术进行大规模数据处理和分析。4、设计和实现基于 Flink 和 Flink SQL 的实时数据处理流程。5、参与数据模型的设计和优化,参与数据治理,提高数据质量。6、与业务团队紧密合作,理解业务需求并提供数据支持。7、持续优化现有的数据处理流程,提高系统的可靠性和可扩展性。
更新于 2026-05-13深圳