薪酬概览
平均月薪
¥12900
中位数 ¥14500 ｜ 区间 ¥11200 - ¥14600
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
60% 人群薪酬落在 8-15k
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
4月新增岗位
7
对比上月：岗位减少1
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 | 3 | 50% |
| 5-10年 | 3 | 50% |
热招职位
高中信息技术教师5-6K/月
到岗时间： 2026-08-20
岗位详情：
拥护中国共产党的领导，热爱教育事业，专业素养深厚，有强烈的上进愿望和开拓创新精神；身体健康，具有健全的人格；遵纪守法，具有良好的思想品德和职业道德；认同高中教育理念，服从学校工作安排，有较强事业心和责任感，较好沟通和组织协调能力，对工作充满热情。基本要求如下。
1.大学本科及以上学历，计算机科学与技术、信息技术等相关专业；具有高中教师资格证。
2.具备扎实的信息技术专业知识，熟悉计算机硬件、软件及网络维护；
3.具备良好的教学能力和沟通能力，同时能够胜任高中通用（信息）技术课程的教学工作；
4.有相关教学经验者优先考虑。
监理员4-6K/月
1、土建、安装或工程相关类专业。
2、中专以上学历，有相应岗位所需的资格证书者优先，身体健康，能适应现场工作需要；
3、吃苦耐劳，诚实可信，工作认真负责，有团队合作精神，良好的敬业精神和职业道德
1. 数据资产开发与治理体系构建
公共层数仓建设：主导高质量、口径统一的公共数据层规划与建设，消除数据孤岛，支撑超大规模企业的高效用数需求，确保核心指标在全公司范围内口径一致。
资产管理平台搭建：构建企业级数据资产管理平台，实现数据资产的目录化、可视化管理；建立清晰的数据血缘图谱，支持从报表到源端的全链路高效溯源与影响分析。
元数据与安全体系：建立完善的元数据管理机制，自动化采集技术元数据与业务元数据；构建覆盖数据全生命周期的质量监控与安全合规体系，确保数据"找得到、读得懂、信得过"。
2. 企业数据建设与商业化
企业数据库建设：主导企业级商业数据产品的规划与建设，整合工商、司法、知识产权、投融资、经营关系等多维度企业信息，构建覆盖千万级市场主体的结构化数据库，打造可对外输出的数据产品与服务能力。
数据采集与加工体系：搭建多源异构数据的采集、清洗、融合与标准化流水线，建立从原始数据到高价值数据资产的完整加工链路，确保数据的时效性、准确性和完整性。
数据产品化与服务输出：将企业数据封装为标准化的 API 接口、数据报告、数据看板等产品形态，支撑内部业务决策与外部客户的数据服务需求，探索从"卖原始数据"到"卖洞察与决策支持"的商业化升级路径。
3. 数据安全合规与质量管理
质量指标体系：定义并落地数据质量核心指标（完整性、一致性、准确性、及时性、唯一性），开发自动化检测、评分与修复工具，实现数据质量的闭环管理。
实时监控与告警：针对数据延迟、波动异常、权限越权访问等风险场景建立自动告警机制；通过邮件、钉钉等多渠道即时通知责任人，确保分钟级响应。
合规与隐私保护：严格遵循《数据安全法》、《个人信息保护法》(PIPL) 及 GDPR 等法律法规；实施数据分类分级管理，落实敏感数据脱敏、加密存储及细粒度访问控制（RBAC/ABAC），定期开展数据安全审计与风险评估。
1.协助开展大数据平台日常运维，完成集群巡检、日志核查，配合处理常规运维异常。
2.协助执行 ETL 数据接入、清洗转换工作，维护数仓各分层模型，保障数据质量。
3.配合制作数据可视化图表，编写基础数据分析报告。
4. 参与数据治理基础工作，开展元数据采集、数据标准落地及数据质量问题排查整改。
5.整理编写技术文档与操作手册，配合完成团队其他大数据相关辅助工作及技术交流。
1、负责自动驾驶系统仿真平台和相关工具链的构建，设计和开发，重建真实场景和传感器模型，设计仿真测试场景，完善仿真测试框架
2、负责构建用于集群仿真模拟环境的可扩展的框架，开发自动驾驶系统的自动化仿真和回归测试框架以及自动化数据分析平台
3、负责自动驾驶机器学习平台系统的研发工作，设计并且实现可扩展的AI机器学习训练部署平台
4、负责大规模存储、可伸缩计算系统和集群的开发和维护，负责提供底层存储技术相关解决方案，负责整个平台的长期运维支持和存储生产环境架构优化
5、负责分布式块存储/对象存储/文件系统等核心技术的研究及优化，参与基于IAAS/PAAS产品核心功能的研发工作
6、负责自动驾驶软件系统框架架构设计和开发，与硬件、算法和测试团队合作，集成并优化自动驾驶系统
7、负责DevOps系统开发和维护
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. 5年以上数仓ETL开发或者数据分析相关工作经历, 熟悉数据仓库模型设计方法论，
2. 熟悉掌握SQL, 能熟练使用SQL进行数据的清洗、加工、分析等，有一定的SQL调优知识和经验(加分项)
3. 熟悉数据产品和数据管理的知识和技能，包括但不局限于：数据集市设计、数据治理、数据质量、数据运维保障等；
4. 具备基本的财务专业知识, 有互联网财务域数据开发经验者优先
5. 有DATA+AI场景经验的优先考虑；
6. 具备较强的抗压能力、能适应高强度的工作节奏
1. 数据资产开发与治理体系构建
公共层数仓建设：主导高质量、口径统一的公共数据层规划与建设，消除数据孤岛，支撑超大规模企业的高效用数需求，确保核心指标在全公司范围内口径一致。
资产管理平台搭建：构建企业级数据资产管理平台，实现数据资产的目录化、可视化管理；建立清晰的数据血缘图谱，支持从报表到源端的全链路高效溯源与影响分析。
元数据与安全体系：建立完善的元数据管理机制，自动化采集技术元数据与业务元数据；构建覆盖数据全生命周期的质量监控与安全合规体系，确保数据"找得到、读得懂、信得过"。
2. 企业数据建设与商业化
企业数据库建设：主导企业级商业数据产品的规划与建设，整合工商、司法、知识产权、投融资、经营关系等多维度企业信息，构建覆盖千万级市场主体的结构化数据库，打造可对外输出的数据产品与服务能力。
数据采集与加工体系：搭建多源异构数据的采集、清洗、融合与标准化流水线，建立从原始数据到高价值数据资产的完整加工链路，确保数据的时效性、准确性和完整性。
数据产品化与服务输出：将企业数据封装为标准化的 API 接口、数据报告、数据看板等产品形态，支撑内部业务决策与外部客户的数据服务需求，探索从"卖原始数据"到"卖洞察与决策支持"的商业化升级路径。
3. 数据安全合规与质量管理
质量指标体系：定义并落地数据质量核心指标（完整性、一致性、准确性、及时性、唯一性），开发自动化检测、评分与修复工具，实现数据质量的闭环管理。
实时监控与告警：针对数据延迟、波动异常、权限越权访问等风险场景建立自动告警机制；通过邮件、钉钉等多渠道即时通知责任人，确保分钟级响应。
合规与隐私保护：严格遵循《数据安全法》、《个人信息保护法》(PIPL) 及 GDPR 等法律法规；实施数据分类分级管理，落实敏感数据脱敏、加密存储及细粒度访问控制（RBAC/ABAC），定期开展数据安全审计与风险评估。
1. 负责供应链业务的实时及离线数据仓库的构建
2. 负责实时及离线指标计算的数据建模、架构设计与开发
3. 负责业务数据需求类开发工作，包括临时提数、固定报表开发需求等
4. 全方面分析系统数据，快速响应用户需求，通过数据挖掘和统计报表，提升系统数据运营效率。
如果你想参与阿里大数据的采集、存储、处理，通过分布式大数据平台加工数据，支持业务管理决策；
如果你想参与阿里大数据体系的模型设计、开发、维护，通过元数据、质量体系有效的管理和组织EB级的数据；
如果你想参与阿里大数据产品的研发，发挥你的商业sense，通过数据分析和算法来洞察数据背后的机会，来探索大数据商业化；
如果你想接触世界领先的大数据处理与应用的技术和平台，获得大数据浪潮之巅的各类大牛的指导；
那就加入我们吧！
【必备项】
1. 学历经验：本科及以上，3 年以上数据研发 / AI 数据工程 / 数据平台相关工作经验；
2. 数据工程：精通 SQL，熟练掌握 Java / Python / Sql 至少一种；具备扎实的数仓建模（维度建模/范式建模）与ETL 实战经验；
3. 大数据栈：熟悉 Hadoop / Hive / Spark / Flink / MaxCompute / Hologres 至少一套，独立主导过 TB ~ PB 级数据项目；
4. 数据治理：有元数据、血缘、质量、成本治理体系建设经验；
5. AI 数据 / 评测基础：理解 LLM / RAG / Agent 基本原理，了解 SFT/DPO 等训练范式；有 Agent 数据 / 数据合成 / 评测体系 实战经验；
6. 业务素养：能从业务问题出发倒推数据 & AI 方案，能与产品/业务高效协同推动落地。
【加分项】
● 有 电商、商家服务 业务背景
● 有 NL2SQL / 问数 / 数据 Agent / RAG 项目落地经验
● 有 Agent 评测体系（MT-Bench / AgentBench / 自建评测集） 建设经验
部门介绍美团核心本地商业下业务研发平台，基于公司“零售+科技”的战略导向，通过从底层架构到应用系统、从软件到硬件、从传统算法到GenAI的全方位技术研究，以及开发、运维、安全等全流程能力建设，致力于推动美团核心本地商业下需求侧与供给侧的数字化和智能化升级，助力业务实现高质量增长，优化用户使用体验，提升商户经营水平，促进行业生态伙伴关系的持续健康发展。团队秉持务实、自驱、开放以及追求卓越的工程师文化，一方面通过系统和技术体系的持续迭代升级，帮助业务高质量增长；另一方面，密切关注前沿技术趋势变化，积极创新技术能力，为业务未来发展创造新的可能性。期待优秀的你加入我们，在夯实专业、深耕平台的基础上与业务携手同行，一起用技术 “帮大家吃得更好，生活更好”。