深圳数据管理工程师
数据管理工程师是负责设计、开发和维护企业数据系统的专业人员。他们的工作范围涵盖了数据架构设计、数据库管理、数据集成和数据质量保障。数据管理工程师需要具备扎实的数据分析和数据建模能力,能够编写高效的SQL查询和脚本,以确保数据系统的高效运行和可靠性。他们还需要与其他团队合作,如软件开发人员、数据科学家和业务分析师,以确保数据系统能够满足业务需求。此外,数据管理工程师还需要关注数据安全和合规性,保护和维护企业数据的完整性和保密性。总之,数据管理工程师在企业的数据管理和利用过程中起着至关重要的作用。
薪酬概览
平均月薪
¥20900
中位数 ¥16000 | 区间 ¥15500 - ¥26200
数据来源:谈职全网16份招聘数据;更新时间:2026年7月13日
月薪分布
37.5% 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
14
对比上月:岗位减少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 | 8 | 66.7% |
| >10年 | 2 | 16.7% |
| 不限经验 | 2 | 16.7% |
热招职位
1、负责规划和建设集团数据流通管控体系,推动数据流通管控机制的落实,提升人工智能领域数据流程管控能力。
2、提升人工智能服务相关的数据集合规、数据训练合规、数据流通合规管控机制和技术平台的规划建设;
3、建设和推广数据合约管理机制,支持数据高效流通,满足集团各类数据服务开展的需求;
4、支持数据流通、合规管控解决方案的技术实现,推广可信数据流通管控,重点提升人工智能服务数据高效流通;
5、完成项目管理、项目计划制定、管理项目进度、管理项目沟通和汇报工作。
文远知行 (WeRide.ai) 正在寻找优秀的编程人才,致力于通过解决人工智能和机器人领域最具挑战性的问题来变革未来的出行方式。开发安全可靠的自动驾驶汽车,其核心在于对车辆性能有深入的、数据驱动的理解。Metrics 团队(指标团队)正在寻找一位优秀的数据工程师来构建衡量我们成功的基础系统。您将负责创建能将原始数据转化为关键洞察的基础设施,确保我们做出的每一个决策都有准确且可扩展的指标作为支持。
岗位描述
1. 研发自动驾驶系统安全性、舒适性等评价算法,保障系统可靠运行。
2. 理解业务需求,深入自动驾驶业务,梳理业务流程,设计数据链路与指标体系,量化自动驾驶能力。
3. 对自动驾驶测试数据进行汇总与分析,深挖数据变化原因,结合数据分析发现问题。
4. 负责数据可视化与报告自动化,让数据直观呈现,辅助决策。
5. 自动驾驶场景挖掘。从海量非结构化测试数据中,高效提取对自动驾驶提升有高价值的交通场景。
6. 自动驾驶能力评价Metrics。运用算法模型或规则,开发自动驾驶算法能力评价指标与自动化评价方法。
7. 建立自动驾驶行为评价的体系框架。
岗位要求
1. 专业要求:计算机,物理,软件,数学,信息工程,统计本科及以上学历
2. 编程能力:
1. 熟悉C++编程语言,具备扎实的编程基础和良好的代码规范意识2. 熟悉常用数据结构与算法,能够编写高效、稳定的代码3. 具备Linux/Unix环境开发经验,熟悉常用开发工具和调试技巧3. 数据分析能力
1. 具备大数据处理和分析能力,精通SQL、Python编程2. 能够从海量数据中发现规律,建立有效的评估模型4. 综合素质
1. 具备良好的沟通能力和团队协作精神2. 有强烈的责任心和自我驱动力,能够承受一定工作压力3. 善于多维度分析问题,有清晰的逻辑思维4. 热爱无人车领域,喜欢挑战,善于思考,逻辑清晰,有快速的学习和理解能力,富有责任心,良好的团队协作精神
加分项:
- 有ACM等竞赛亚洲区域赛以上的奖牌选手背景或者其他知名编程竞赛top10%,或顶会等发表过paper者优先
- 具备优秀的Metric设计与分析能力,能够快速解决复杂问题
- 熟悉机器学习、深度学习算法原理与应用场景
- 熟悉自动驾驶相关开源框架和仿真平台
1.负责文档数据处理的全链路工程实现,包括负责支持文档数据存储计算处理、解析、去重、质量筛选等数据处理环节;
2.有丰富的文档解析或大模型预训练数据处理经验、基于Agent的数据生产链路研发经验优先;
3.有多模态理解数据处理经验优先。
1、负责规划和建设集团数据流通管控体系,推动数据流通管控机制的落实,提升人工智能领域数据流程管控能力。
2、提升人工智能服务相关的数据集合规、数据训练合规、数据流通合规管控机制和技术平台的规划建设;
3、建设和推广数据合约管理机制,支持数据高效流通,满足集团各类数据服务开展的需求;
4、支持数据流通、合规管控解决方案的技术实现,推广可信数据流通管控,重点提升人工智能服务数据高效流通;
5、完成项目管理、项目计划制定、管理项目进度、管理项目沟通和汇报工作。
1、负责部门预算规划和管理,部门考核跟踪和反馈。
2、负责项目的管理组织,统筹项目的PMO管理工作,包括项目需求管理、项目计划制定、管理项目进度、管理项目沟通和汇报工作;
3、协调各部门工作,追踪并推动重点项目及事项的完成情况;并就进展、问题与项目组、领导层汇报沟通,跟踪问题解决;
4、支持部门日常管理工作,组织会召开,跟踪会议事项,编写会议汇报材料等工作。
1、计算机、人工智能、数学、统计、自动化等相关专业本科及以上学历;
2、熟练掌握 Python、Go、Java、C++ 中至少一门语言,具备扎实的工程实现能力;
3、熟悉 Elasticsearch、ClickHouse、Milvus、LanceDB、Faiss、Redis 等检索、分析或向量数据库系统中的一项或多项;
4、理解向量检索、特征索引、Embedding、召回排序、标签体系、样本管理等基础概念和工程实践;
5、有数据挖掘、样本库、特征平台、标签平台、搜索系统或推荐系统相关经验;
6、对多模态数据、具身智能、大模型数据闭环有兴趣,能主动理解算法研发场景并抽象为平台能力。
加分项
1、有自动驾驶、机器人、大模型训练数据平台或多模态检索项目经验;
2、熟悉视觉/视频/传感器数据处理,有时序数据对齐、片段切分、场景挖掘经验;
3、有 RAG、Agent、数据问答、智能分析工具建设经验。
1、领导并管理IT数据团队,制定团队发展目标与工作计划,提升团队技术能力与协作效率;
2、设计并优化企业级数据架构,包括数据采集、存储、处理、分析与可视化全流程;
3、主导数据平台建设,包括数据仓库(如:基于 Hadoop、Spark、Snowflake等)、ETL流程、数据湖及实时数据处理系统;
4、建立并执行数据治理规范,确保数据质量、安全合规(符合《数据安全法》《个人信息保护法》等法规要求);
5、与业务部门紧密合作,理解数据需求,提供数据支持与洞察建议;
6、推动数据自动化、智能化工具的应用,提升数据处理效率与分析能力。跟踪行业前沿技术,持续优化技术栈与架构方案。
1、负责流量生态相关数据分析工作,发现流量机会,提升流量效率,与算法,产品团队配合,深度参与流量分发,流量使用的策略制定
2、建立对用户生态的认知,通过对用户消费习惯的理解和研究,从不同视角发掘用户增长和提频的空间,制定相应流量和补贴策略
3、针对不同业务场景使用多种实验分析方法(单边实验,双边实验,非实验)评估策略有效性,提出优化的方向并配合业务落地迭代
4、负责分析团队的建设与管理,沉淀分析方法和分析认知,与协同业务部门建立密切的合作关系
1.负责公司大数据平台的数据采集、清洗、存储、建模与价值挖掘工作;
2.使用Hive、Spark等大数据工具进行海量数据的处理与分析,构建稳定高效的数据处理流程;
3.设计并开发数据仓库模型,优化ETL流程,保障数据的准确性与及时性;
4.与业务部门协作,深入理解业务需求,提供数据支持与分析报告,辅助决策;
5.参与数据治理、元数据管理及数据质量监控体系建设;
6.有医疗行业背景者,参与医疗健康相关数据的分析建模,支持保司赋能、健康管理等应用场景。
1. 负责机器人数据平台的架构设计与核心研发,覆盖采集任务管理、数据入库、质检、标注、数据集构建与交付全链路;
2. 设计并实现高可靠的云端接入系统,支撑多设备、多供应商、多来源数据的并发接入、状态上报与异常处理;
3. 与算法团队协作,理解训练数据需求,推动数据质量评估、血缘追踪等数据治理体系的建设与落地;
4. 探索并落地 AI 技术在数据平台中的应用,包括但不限于:利用大模型辅助数据标注、使用 AI 工具提升质检自动化率、以及通过智能化手段优化数据集构建效率;
5. 跟进业界 AI 工程工具链(如 Cursor、GitHub Copilot、LLM API 等)的最新进展,将 AI 辅助开发能力融入团队研发工作流,提升整体研发效能。
1、负责推动数据安全解决方案落地;
2、负责应用系统的安全评估;
3、推动数据泄露风险的整改;
4、为数据泄漏监控与应急提供信息输入。
1. 负责公司IoT智能硬件类产品的嵌入式软件架构设计、核心代码编写与系统调试工作。
2. 负责底层硬件驱动开发与系统Bring-up,包括但不限于各类传感器(IMU、心率、环境光、ToF等)、显示屏、音频DSP及电源管理芯片(PMIC)。
3. 深入参与RTOS(如FreeRTOS、LiteOS、Zephyr)或嵌入式Linux系统的裁剪、移植、任务调度优化及内存管理。
4. 负责无线通信协议栈(蓝牙Classic/BLE、Wi-Fi等)的集成与应用层逻辑开发,解决设备互联互通中的稳定性与低延迟问题。
5. 主导系统级低功耗管理(Power Management),针对不同设备的使用场景(如手表的长续航模式、耳机的待机模式)进行极端的功耗优化。
6. 协同硬件、算法(如ANC降噪、健康监测、SLAM导航)及测试团队,攻克产品开发过程中的复杂系统级Bug,保障产品按时、高质量量产交付。




