深圳数据仓库
数据仓库是一个用于存储和管理大量结构化和非结构化数据的系统，它被设计用来支持企业的数据分析和决策制定。数据仓库不仅仅是一个数据存储的地方，它还包括了数据的提取、转换、加载过程（ETL），以及数据清洗、建模和查询工具。数据仓库的目标是集成各种数据源的数据，提供一致的数据视图，并且支持复杂的分析和报告需求。通过数据仓库，企业可以更好地理解他们的业务情况，发现潜在的趋势和模式，并做出更明智的决策。数据仓库的建立需要跨部门的协作和规划，以确保数据的准确性、一致性和完整性。数据仓库通常由数据仓库管理员、数据工程师和数据分析师等角色共同管理和维护。
薪酬概览
平均月薪
¥8800
中位数 ¥7300 ｜ 区间 ¥7000 - ¥10600
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
80% 人群薪酬落在 0-8k
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
1月新增岗位
8
对比上月：岗位减少14
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 |
|---|---|---|
| 不限经验 | 8 | 100% |
热招职位
1、负责整体风险指标体系的管理与指标分析，定期出具风险组合报告；
2、负责整体风险策略系统或引擎的版本维护、功能开发等管理工作；
3、负责全面信贷数据分析工作，包括内部数据挖掘、外部数据引入及数据投产应用工作 ；
4、负责各项风险数据的运维、管理工作，及领导交办的其它工作。
1、数仓设计与开发：客用户画像体系数仓设计、开发、测试，包括数据分层、模型设计、ETL流程开发及性能优化，支撑实时/离线数据处理需求。
2、业务数据分析：支持画像、漏斗、行为等个人金融业务营销、风控、运营等领域的业务数据分析。
3、技术研究与创新落地：跟踪大数据技术及AI在金融领域的应用，推动数仓架构智能化升级；优化数据存储与计算效率。
云架构平台部是腾讯规模最大的技术部门之一，为公司各业务提供存储、接入和计算服务。这里有海量的存储平台、世界级的CDN服务、先进的操作系统和视频编解码技术以及自研芯片，我们致力于用技术的力量持续赋能客户，帮助他们提升效率、降低成本。云架构平台部聚焦于规模、产品竞争力、平台能力，通过存储、接入、计算等重点领域的核心技术能力，有力支持和保障腾讯云、自研云等重点业务；同时，部门在各技术领域不断挑战和创造新的记录，视频编码器在MSU国际大赛中一再夺冠、自研芯片性能持续优化助力业务发展、TencentOS深度参与全链路国产化操作系统OpenCloudOS共建，发布自主可控发行版等，在公司内部多次获得代表最高荣誉的技术突破奖和研发奖。
1.负责客户关系的维护与开发，提升客户满意度和忠诚度;
2.负责客户市场的分析与研究，制定并执行客户经营策略;
3.负责客户经营计划的制定与实施，确保客户经营目标的达成;
4.负责团队的管理与指导，提升团队整体客户经营能力;
5.负责客户经营数据的统计与分析，优化客户经营策略。
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SSV相关产品数据分析工作，包括产品数据洞察，运营效果分析，数据分析工具建设等；
2.通过数据分析建立用户洞察，为产品迭代提供指引。提供产品策略的数据支撑；
3.协助建设产品数据体系，完善数据pipeline，定位产品关键问题，支撑ab实验。
1.负责供应链全链路数据整合与标准化数据库搭建维护，制定数据规范保障数据准确一致。
2.开展采购环节数据分析，包括品类成本结构拆解与供应商绩效评估，输出优化建议支撑集中采购或协议谈判。
3.监控库存水平并分析周转效率以制定优化策略，联动生产部门分析物资消耗与生产效率关系，输出消耗标准调整建议降低生产成本。
4.定期输出结构化数据分析报告并可视化关键指标，针对异常数据及时预警，为管理层提供数据驱动的决策支持。
5.跨部门协作解决数据相关问题，推动供应链数据在业务端的应用，协助优化内部系统数据流转以提升使用效率。
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、负责部门相各类数据管理平台和AI技术应用的整改规划和设计
2、负责数据管理监测平台、知识管理平台的开发管理和运营
3、负责集团数据技术体系的评估、指导与检视
4、负责部门系统和平台的安全管理，管理安全问题额修复
5、负责数据监测和知识管理平台的运营， 设计风险监测、敏感信息识别、AI审核等功能，管理和推动平台建设
1.负责供应链全链路数据整合与标准化数据库搭建维护，制定数据规范保障数据准确一致。
2.开展采购环节数据分析，包括品类成本结构拆解与供应商绩效评估，输出优化建议支撑集中采购或协议谈判。
3.监控库存水平并分析周转效率以制定优化策略，联动生产部门分析物资消耗与生产效率关系，输出消耗标准调整建议降低生产成本。
4.定期输出结构化数据分析报告并可视化关键指标，针对异常数据及时预警，为管理层提供数据驱动的决策支持。
5.跨部门协作解决数据相关问题，推动供应链数据在业务端的应用，协助优化内部系统数据流转以提升使用效率。