上海Data Engineer
Data Engineer是负责利用各种数据技术和工具来管理大规模数据集的专业人员。他们负责设计、构建和维护数据管道和仓库，以确保数据可靠性和可用性。他们需要具备丰富的编程技能和深入的数据分析知识，能够处理和分析海量数据，并为业务决策提供支持。此外，Data Engineer还需要与其他团队成员合作，确保数据平台的安全性和性能。他们通常擅长使用各种数据库和大数据技术，能够优化数据系统和流程，以满足业务需求并支持公司的战略目标。
薪酬概览
平均月薪
¥20300
中位数 ¥20000 ｜ 区间 ¥15700 - ¥24800
数据来源：谈职全网50份招聘数据；更新时间：2026年7月13日
月薪分布
56% 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
59
对比上月：岗位新增12
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 | 26 | 50% |
| 1-3年 | 8 | 15.4% |
| 3-5年 | 8 | 15.4% |
| 5-10年 | 5 | 9.6% |
| 不限经验 | 5 | 9.6% |
热招职位
1. 负责车载系统相关算法业务的数据质量管控与标注体系设计与实施，建立数据质量评估标准和流程。
2. 设计并实施车载语音数据质检方案，确保训练数据的准确性和一致性，提高模型训练效果。
3. 负责车载语音数据标注团队的管理与培训，制定标注规范和流程，提升标注质量和效率。
4. 开发数据质检工具和自动化标注流程，减少人工干预，提高数据处理效率。
5. 分析车载语音数据特点和用户需求，优化数据采集策略，确保数据的多样性和代表性。
6. 负责车载语音数据的质量监控和异常检测，建立数据质量预警机制。
7. 与算法团队紧密合作，理解算法需求，提供高质量的数据支持。
8. 持续优化数据质检标注流程，降低成本，提高效率。
1、设计和实施企业级大数据架构，支持复杂数据的采集、存储、处理、分析和可视化，构建覆盖数据全生命周期的管理能力。
2、 制定数据治理规范，涵盖数据质量监控、元数据管理、数据血缘追踪、数据安全合规等，确保数据资产可信可用。
3、 与业务部门紧密合作，理解业务需求，提供数据驱动的解决方案，深入挖掘大模型在业务场景的落地，推动业务智能化升级
4、 根据项目需求，选择合适的技术栈，评估新技术可行性，推动平台智能化演进
5、 指导团队成员完成技术方案的设计与实施，提升团队整体技术水平
1.参与端到端智驾模型训练/评测数据生产全链路开发,包括数据生产、数据挖掘、打标、质检等；
2.参与智驾标签体系、meta体系的研发、维护及落地；
3.参与数据全链路相关的基础框架研发，包括挖掘、生产及分析框架等。
1、负责/参与端到端自动驾驶模型的性能迭代与突破，通过数据和模型的优化迭代，推动模型在量产产品中的效果闭环；
2、深度搭建并优化数据挖掘与数据闭环链路，基于量产场景的真实数据分布，设计高效的数据筛选、清洗、标注、回流策略，通过数据驱动的方法持续提升模型在长尾场景、极端工况下的鲁棒性与可靠性，要求具备量产项目中数据驱动性能提升的实战落地经验；
3、构建并迭代端到端模型评测体系，结合仿真测试、实车验证等多维度手段，建立科学的性能评估指标与自动化评测流程，能通过评测结果精准定位模型短板，并主导评测系统的优化升级，为模型迭代提供核心决策依据；
4、紧跟业界前沿技术动态，重点研究自动驾驶领域最先进的数据闭环方案、评测方法与端到端模型应用，推动技术预研与工程化落地，保持团队在数据驱动与评测体系上的核心竞争力。
1、硕士及以上学历，计算机、人工智能、大数据、软件工程等相关专业，有自动驾驶数据挖掘、多模态算法落地相关实习/工作经验优先；
2、熟悉python编程，代码功底扎实，了解基础算法与数据结构，能够独立完成算法策略开发、脚本迭代、数据实验复盘；
3、 性格踏实，抗压能力强，能够适配业务快速迭代节奏；以业务交付为导向，工程落地能力强，愿意直面真实业务痛点，沟通顺畅、执行力强；
4、了解基础SQL语句，能够独立完成数据查询、数据统计、报表复盘，具备基础数据分析能力；
5、了解深度学习基础，熟悉PyTorch使用。
加分项
1、有自动驾驶行业数据挖掘、脏数据治理、难例挖掘一线落地经验，熟悉智驾真实数据痛点；
2、熟悉Dagster/Airflow调度工具，有数据流水线搭建、算法工程化落地经验；
3、有规则挖掘自动化、Agent辅助编程、数据样本闭环迭代相关实战经验；
4、懂自动驾驶感知/预测/规划基础业务知识，能够快速理解车载场景与驾驶行为逻辑。
1. 主导目标市场（中国/欧盟/美国 etc.）网络安全与数据安全法规及标准符合性策略制定，识别法规差异与标准演进，形成可落地的技术路线与认证路径。
2. 主导开展威胁分析与风险评估、网络安全目标与需求定义、安全机制设计与架构评审、验证测试、漏洞整改与事件响应、安全符合性论证、客户审核、第三方认证评估等工作，实现产品网安/数据安全交付，满足客户、市场准入及内部要求。
3. 协调系统、软件、硬件、测试、质量和项目团队，推动安全架构与数据安全机制落地交付。
4. 建立物理AI产品网络安全与数据安全工程方法论，实现产品持续高安全、高质量、高效率交付。
1. 负责标注平台指标体系的设计与开发，构建完善的指标计算、存储和查询体系，支撑业务数据分析和决策；
2. 负责海量数据的数据治理、资产统计和数据生命周期管理，建立数据资产目录，实现数据的规范化管理和全生命周期跟踪；
3. 负责数据闭环的运营BI看板和统一数仓建设，设计数据模型和ETL流程，构建面向业务的数据分析平台，支撑数据驱动的运营决策；
4. 负责数据漏斗和全链路SLA监控系统的建设，跟踪数据上传延迟、处理吞吐量、标注效率等核心指标，实现异常实时告警和根因定位，保障数据流转链路的高可用性和稳定性。
1、统计学、计算机、数学等相关专业；5年以上数据分析、商业分析或算法策略经验；
2、精通将业务目标拆解为体系化的指标，通过跟踪指标数据对业务做数据化运营，推动业务迭代；
3、精通Hive/Postgre SQL与Python（Pandas/Numpy），具备大规模复杂数据清洗、处理与统计分析能力，熟悉数仓中间层应用层建设；
4、深刻理解统计学原理，精通假设检验、A/B Test设计、因果推断、归因分析模型；有实际的各种分群模型（RFM、K-Means等）落地经验；
5、可视化：不局限于工具使用，更看重数据叙事能力，能通过Tableau/QuickBI等工具直观呈现复杂逻辑；
6、有丰富的驾驶经验及增长方向数据分析经验，具备“剥洋葱”式的下钻分析能力；
7、优秀的逻辑思维与业务洞察力，强闭环驱动，可推动“发现问题-分析原因-提出策略-验证效果”的完整闭环；
8、具备优秀的跨部门沟通能力，能与产研团队进行高效的业务沟通与数据论证，推送业务动作落地。
1、建立人事共享中心各业务条线数据指标监控和经营分析体系，对业务提供策略支持和建议；
2、优化中心数据管理，提高数据线上化管理水平、提升数据使用效率；
3、搭建数据业务看板监控业务数据及指标达成情况，负责中心日报、周报、月报的搭建和撰写，对各项数据指标进行跟踪，提供日常业务支持数据；
4、数据及关键问题总结及反馈，以及报告撰写；
5、领导交代的其他事宜
1、通过对数据的敏锐洞察以及定性和定量分析，迅速定位业务问题、发现潜在机会，独立编写分析报告，并提出可落地方案；
2、对接业务团队，处理业务人员数据需求，梳理业务逻辑，挖掘深度价值，输出业务提升策略，帮助改善业务问题、提升业务效率；
3、业务指标监控，针对异常情况协调资源进行跟踪和深入分析；
4、梳理业务常规分析体系、常用指标体系，根据日常数据监控及项目分析，输出业务意见，为决策做支持；
1、参与总部HR系统的需求调研、方案设计、落地实施与迭代优化工作，配合完成系统功能搭建、模块配置、数据对接等建设任务，推动HR系统适配公司人力管理业务需求；
2、建立完善HR系统运维规范、数据管理标准，定期开展系统数据核查、清洗工作，保障员工信息、考勤、薪酬、绩效等人力核心数据的准确性、完整性与安全性；
3、人力数据分析交付 1）参与公司人力资源数据盘点、分析模型搭建工作，协助收集、整理、汇总总部人力核心数据，包括人员结构、人力成本、员工流动、考勤绩效等多维度数据； 2）按照公司管理需求，完成人力数据报表制作、数据分析报告交付，提炼数据洞察，为人力资源管理决策提供数据支撑。
4、AI产品开发 1）参与人力资源AI产品的需求梳理、AGENT 开发、AI功能规划工作，结合HR业务场景，提出AI产品优化、功能创新建议，助力AI+人力管理产品落地； 2）配合产品、技术团队完成HR相关AI产品的测试、迭代与落地推广，收集内部用户使用反馈，推动AI产品功能优化。
1，负责金融产品的风险数据分析，通过大数据管理，建立零售信贷业务风控评分模型，用于金融服务和信贷业务的发展。 2，从个人征信数据，行为数据，互联网数据等出发，构建大数据金融模型用于贷款自动化授信 3，负责数据驱动模型立项，数据清洗及衍生，开发，督促布置上线等工作，监控场景及业务变化，及时发现问题推进模型修复迭代；