深圳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
¥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、监管解读：持续跟踪并解读国家金融监督管理总局、属地监管机构、行业协会等发布的最新法规、指引和通知，按各级监管要求落实数据质量提升
2、制度建设：制定并维护《监管报送管理办法》等管理制度，及时响应外部监管变化进行新增及修订
3、规划落地：给出监管重点事项规划和方案设计，制定详细计划并推动执行落地
4、报送管理：编制月度/年度报送日历，监控关键时间节点，按时完成每月增量报送/年度重报等
5、数据治理：对发现问题进行定性归因，明确责任主体，确保存量问题动态清零；制定总分联动考核方案，定期跟踪执行成效，提升报送数据质量
1、负责平安医疗相关数据整合与深度分析，支持业务决策；
2、构建和优化医疗风险预测、费用控制、疾病趋势等数据模型，提升数据分析的准确性和实用性；
3、与业务、运营等部门协作，理解业务需求，为保险产品定价、营销风控、医疗控费等提供数据支持与分析报告；
4、参与数据治理及数据质量提升工作；
1、计算机、数学、统计、自动化、电子、机器人等专业；
2.、具备 AI 算法开发、数据工程、分布式系统、模型调优或系统工程优化相关经验之一；
3、具备海量多模态异构数据的架构设计能力，能够从业务目标出发设计数据分层、数据模型、存储布局、索引组织与读写链路；
4、熟悉 Python/Java/ go中至少一门语言，具备扎实的数据处理和工程实现能力；
5、熟悉 Iceberg、Lance 等面向大规模分析或多模态数据场景的数据格式与存储方案，理解 Parquet、Arrow、对象存储、元数据管理等核心机制；
6、熟悉 LanceDB、Milvus、Elasticsearch、ClickHouse 等检索/分析系统，或有多模态样本库建设经验；
7、熟悉 Spark、Flink、Ray、Kafka 等大数据或分布式计算框架中的一项或多项，理解批处理、流处理、批流一体及任务编排；
8、熟悉向量检索、特征索引、样本检索、数据切片、时间戳对齐、多模态关联等一种或多种能力，能够支撑训练数据构建和问题追溯；
9、对数据闭环、具身智能和大模型方向有强烈兴趣，具备自驱力、学习能力和跨团队协作意识。
加分项
1、有机器人、自动驾驶、大模型行业等行业的多模态海量数据架构实践经验；
2、有数据湖、湖仓一体、元数据平台、数据质量平台或数据检索平台建设经验；
3、有顶会/期刊论文、开源项目、数据竞赛成果，或在数据基础设施方向有系统性产出。
1、负责用户画像标签挖掘、端到端方案设计和开发工作；
2、负责离线/实时标签的开发、部署、维护等工作；
3、负责画像在广告场景的应用，如lookalike、ROI出价、智能定向等。
1，负责在CRM系统里回款挂账，货物签收，发货申请流程的审批，SAP系统操作；
2，负责国际快递进出口物流，国际海空陆运物流相关的计算货量，询价，订舱，安排运输，制作报关文件和清关文件，跟进运输总进度等；
3，核对账单和请款。
1.负责超大规模通用大模型服务的 SRE 体系建设，保障 AI 平台在高并发、高吞吐、复杂异构资源环境下的稳定性、可用性与服务质量；
2.负责 AI Infra 监控、可观测性、告警治理与自动化运维平台建设，构建覆盖 GPU、网络、存储、推理链路与模型服务全生命周期的智能运维体系；
3.负责线上故障快速定位、应急响应与稳定性治理，建立标准化应急预案、故障复盘与根因分析机制，持续提升系统韧性与业务连续性；
4.参与大模型训练与推理平台的部署、调优与自动化能力建设，推动 LLMOps / MLOps 工程化体系落地，提升平台交付效率与稳定性；
5.深入分析系统瓶颈与容量热点，通过数据驱动方式识别稳定性风险与性能短板，持续推动架构优化与平台演进；
6.负责 GPU / CPU / 网络 / 存储等资源利用率治理，推进模型推理加速、弹性调度与成本优化，持续提升资源效率与 ROI；
7.跟踪业界 AI 硬件与 Infra 技术演进（GPU、网络、存储、推理框架等），结合业务场景推动基础设施选型、架构升级与技术创新；
8.探索 AI Native SRE、智能 OnCall、AIOps、Agentic 运维等前沿方向，推动运维体系向智能化、自愈化与自治化演进。