北京数据开发
数据开发是利用各种技术和工具来收集、存储、处理和分析大规模数据的过程。数据开发人员负责构建和维护数据管道，确保数据的可靠性和准确性。他们需要具备良好的编程能力和数据处理技能，能够设计和实施数据管理系统，以支持业务需求和数据分析。数据开发人员需要与数据科学家和业务团队合作，确保数据平台能够满足各种需求。他们也要负责监控数据质量，解决数据相关的问题，并不断优化数据处理流程和性能。在不断涌现的大数据时代，数据开发人员扮演着至关重要的角色。
薪酬概览
平均月薪
¥20000
中位数 ¥16000 ｜ 区间 ¥15500 - ¥24400
数据来源：谈职全网32份招聘数据；更新时间：2026年7月13日
月薪分布
46.9% 人群薪酬落在 15-30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
6月新增岗位
29
对比上月：岗位减少2
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 8 | 29.6% |
| 3-5年 | 14 | 51.9% |
| 5-10年 | 5 | 18.5% |
热招职位
1、深度参与集团数据解决方案规划和架构设计，利用大数据解决当前的业务痛点；
2、深度参与集团数据架构的设计与开发；
3、深度参与集团数据质量体系的建设，形成完善的数据监控和数据校验机制；
4、负责企业级数据平台的搭建与优化，包括数据采集、存储、计算、调度等核心模块（如基于Hadoop/Spark/Flink构建离线，实时数仓）。
5、设计高可靠的数据ETL流程，处理结构化/非结构化数据，保障数据质量与时效性。
6、开发实时数据管道，支持业务实时决策；解决流程处理。
1、负责掌阅集团企业级数据建设(涵盖流量、内容、用户、商业化等业务方向)，提供通用、稳定、丰富、高效的公共数据能力，提升
数据支持业务的效率，探索数据增量价值；
2、面向流量、内容、用户、商业化等业务方向，建设专题数据，提供丰富易用的数据服务，直接支持公司业务决策分析，赋能业务；
3、建设企业级数据治理和管理体系，结合业务+元数据+技术，推进资源成本的优化，提高数据服务质量，保障数据产出的稳定性和准确性；
4、参与公司级别商业化相关系统数据设计、研发以及保障。
1.计算机相关专业本科及以上学历，硕士优先，具备1年以上Java开发经验，有互联网大厂背景或AI Agent项目开发经验者优先
2.精通Java技术栈，熟悉JVM原理、多线程、IO模型，具备扎实的分布式系统设计能力（如微服务架构、分库分表、高可用设计）；熟悉AI Agent基础架构，掌握LLM（大语言模型）调用、工具集成、记忆系统与规划器设计原理，有主流Agent框架开发经验者优先
3.熟悉大数据技术体系（如实时计算框架、分布式数据库、消息队列），具备千万级数据量或高并发场景开发经验，有结合大数据系统构建AI Agent数据检索与推理能力的实践经验者优先
4.具有广告、支付、风控等核心业务系统开发经验，熟悉用户生命周期管理、结算对账等业务逻辑者优先
5.优秀的逻辑思维与沟通能力，能够跨团队协作推进项目落地，对技术趋势保持敏感并主动探索实践；对AI Agent前沿技术（如多Agent协作、基于记忆的持续学习）及Vibe Coding相关工具链有深入理解，能结合业务场景设计创新解决方案者优先
1.熟练掌握C++、多线程、网络通信、高性能优化，或者熟练掌握Java开发和调优、并发编程模式，有丰富Unix/Linux环境开发经验。
2.具备丰富的数据开发经验，熟悉Hadoop、Hive、Spark、flink等体系结构，并有实际开发经验。
3.熟悉Impala/Presto/GreenPlum/Clickhouse等MPP数据库，对各数据库的优劣和适用场景有深入理解，有实践经验者优先。
4.熟悉分布式技术并有实践经验（rpc框架， nosql存储），对kafka等消息中间件有深入了解。
5.大学本科及以上学历，三年以上计算机相关工作经验，有强烈的求知欲和较强的学习能力，对技术充满热情。
负责提升自动驾驶数据闭环能力，结合自动驾驶模型算法的设计与迭代流程，建设高效的数据分析系统与工具。具体职责包括数据分析与挖掘、数据检索与标签系统搭建、数据的修复与生产、从数据维度出发的模型效果闭环提升等。
1. 数据策略制定：涉及挖掘框架，开发挖掘算子，与模型训练团队深度协作，指导数采团队定向增补高价值数据；通过数据消融实验，科学确定预训练数据、微调数据、难例数据的配比，最大化有限数据的训练收益；建立数据质量评估体系（信息密度、场景分布、标注质量、多样性等）；
2. 构建自动数据生产流水线：研发并维护自动化标注流水线，降低人工标注依赖；
3. 探索利用生成式AI（Diffusion model, NeRF/3D Gaussian）合成高价值训练数据，解决corner case数据稀疏问题；
4. 建立标注质量自动检测机制，确保训练数据的可靠性；
5. 构建数据处理平台：构建TB-PB级数据分布式处理流水线，实现高效去重、过滤、清洗、格式转换；
6. 建立数据版本管理和数据血缘系统，确保训练模型的可复现性和数据溯源；
7. 优化数据存储格式和访问效率，支持模型训练过程中高效数据加载和在线采样
1.承担美团骑行业务线的数仓设计和开发工作。
2.负责骑行财务方向相关数据平台的架构设计与开发，支撑数据采集、清洗、存储与分析全流程。
3.负责数据质量、成本、安全等各方向数据治理工作。
4.构建高可用、可扩展的数据处理系统，优化数据模型与计算性能，提升数据服务效率。
5.负责数据Agent落地、迭代，推动AI自动化运维、端到端需求交付。
6.与产品、算法、业务团队协作，深入理解骑行场景需求，输出高质量的数据解决方案。
对自动驾驶数据闭环系统的数据挖掘及分析，包括
1. 基于自动驾驶大数据处理平台（例如Hadoop/Spark），利用数据挖掘、机器学习等相关算法，解决自动驾驶业务需求，为自动驾驶评测、功能迭代，运营决策提供数据分析依据
2. 与产品、系统等团队配合，分析和挖掘自动驾驶功能的体验痛点、表征原因、内在规律等，例如自动驾驶功能潜在风险与事故的数据分析与规律等
3. 负责自动驾驶领域的数据探索，从场景，评价，用户，运营等多个维度挖掘数据价值，发现数据和业务背后规律，应用于产品研发、用户运营、商业等各种领域
4、独立使用flask+vue+python（pandas、numpy、matplot、pyechart等）搭建数据中心的产品质量评估系统,完成多源数据融合分析、自动化评估、大数据分析统计、可视化展示等任务。
1、负责测绘内业数据处理和制作；
2、爱岗敬业、能吃苦耐劳，有较强的学习能力与接受能力；
3、做好本岗位的测绘成果归档和档案保密工作；
1、参与制定销售策略，基于业务目标及策略方向，借助AI工具搭建月度/周度经营监控体系，结合AI异常检测功能自动识别业务异动，有效的监控业务异常及机会点的识别，并能够结构化沉淀出周、月报；
2、了解大客户销售作业模式，建立销售过程管理评估体系，有效对过程进度进行监控及分析识别优化空间，及时给予销售策略及销售过程管理给予迭代建议；
3、了解品牌经营模式，能够理解品牌经营逻辑，搭建品牌下的分层、分类体系，更好的洞察识别行业及品类机会；
4、横向统筹业务核心项目运营，能够有效的统筹、调配资源，与横向部门协同，推动项目的节奏及目标达成。
蓝星公司-数字化部-数据管理经理 BI Manager
根据蓝星公司数字化部工作安排，负责全球数据治理及数据分析工作。主导挖掘数据分析应用场景、收集相关业务部门需求，构建数据报表与可视化分析看板。负责商业智能类项目全流程管理，从需求分析、方案设计、开发实施到上线交付，提升业务经营效率与数据洞察能力，助力企业数字化运营升级。
1.主导开展数据治理工作，推动数据标准制定、数据质量提升及主数据管理，确保分析数据的准确性、一致性与时效性。
2.统筹境内及海外数据湖、数据仓库架构及BI工具（如Fabric、Power BI等）的项目落地及优化迭代，并主导跨境数据传输项目。
3.负责商业智能类项目全流程管理，从需求分析、方案设计、开发实施到上线交付，确保项目按时保质完成。定期开展业务部门调研与需求收集，洞察业务痛点，识别高价值数据分析应用场景。
4.组织跨部门研讨，将业务需求转化为可落地的数据指标、分析模型与可视化方案。
5.组织编制需求规格说明书，明确指标定义、计算逻辑、数据粒度及权限要求，确保业务语言与技术实现精准对齐。
6.协调业务、数据、IT多方资源，管理项目范围、进度、成本及风险。
7. 公司安排的其他工作。
【课题说明】研发针适配美团业务的下一代生成式推荐系统，探索具有Scale Up属性的生成式建模方案，通过端到端的方式对用户行为进行深度建模和挖掘，全方位建模用户兴趣，提升推荐的准确性和实时性，并通过工程和算法的协同设计来显著提升整个链路的MFU水平，提高推荐系统的效果上限，实现更高的用户满意度和业务价值。【建议研究方向】1.参与设计和实现下一代生成式推荐系统，涵盖生成式召回、生成式预估、生成式排序等核心模块，并在美团多个业务场景落地。
2.构建基于多模态表征Tokenizer、类Transformer架构和优化损失函数的序列生成模型，从数据流、特征工程和高效计算等维度参与生成式推荐系统的全栈优化与生态搭建。
3.探索模型参数和计算量的Scale Up，设计高效且具有强外推属性的模型范式结构，提高系统MFU水平，打开模型效果天花板。
4.在生成式推荐的基础上，重新定义用户兴趣提取，生成式召回/预估、推荐归因等模块，包括但不限于Long-Context，Token compression等技术。
5.搭建基于强化学习的算法工程训练，包含模型训练，业务指标Reward，多样性，序列评估等多项工作。
1. 负责内部运维基础设施（如 自动化运维、IaC、CMDB、服务树、应用中心、DNS、流量网关、VPN 接入）等推进和落地。
2. 负责 devops 平台的建设、负责 AI 时代下 AIOps 研发流程的建设。
3. 负责微服务体系能力建设，如多集群场景下 服务发现、微服务网关、服务治理、迭代及流量泳道等体系建设。