美团
实习无人机配送-AI数据产品实习生
深圳/上海 · 实习 · 本科
长期有效
任职要求
- 1、计算机、数据科学或相关专业本科及以上学历，基础知识扎实，保证每周实习4-5天，连续实习6个月以上。
- 2、具备过硬的SQL编写与调优能力，熟练掌握ETL任务开发流程，熟悉数据仓库建模理论（如范式建模、维度建模、数据分层等），有实际的数仓建设或大数据开发经验者优先。
- 3、熟练使用Python或Java等编程语言，熟悉Hive、Spark、Flink等离/实时数仓计算框架并了解其原理。
- 4、对AI、大模型（LLM）、前沿数据技术有强烈热情，熟悉Prompt编写技巧；了解AI Agent框架，具备探索欲望及将新技术落地为业务价值的实践能力。
岗位描述
【岗位职责】
- 1、参与无人机业务的数据基础设施建设：负责无人机业务数据基座的搭建与维护，涵盖数据模型设计、ETL 开发与埋点治理，保障数据链路的准确性与稳定性。在此基础上，探索将 Prompting 与大模型能力融入数仓开发流程，通过自然语言交互自动生成数据处理逻辑，提升数据交付效率。
- 2、业务策略产品设计：深入理解无人机履约业务需求，参与算法策略相关数据报表与分析看板的设计、开发与迭代优化，为产品决策提供实时、准确的数据支撑。
- 3、端到端 AI 数据分析产品化：探索将高频、复杂的数据分析 Pipeline 产品化，沉淀为可复用的 AI Skill，实现从底层数据提取到分析报告/可视化展板的端到端自动化生成，降低分析人力成本。
- 4、数据服务 AI 化封装与对外输出：将数据口径查询、指标解释及基础数据开发能力封装为标准化 AI Skill，构建对内对外统一的智能数据服务接口，提升跨团队协作效率。
【任职要求】
- 1、计算机、数据科学或相关专业本科及以上学历，基础知识扎实，保证每周实习4-5天，连续实习6个月以上。
- 2、具备过硬的SQL编写与调优能力，熟练掌握ETL任务开发流程，熟悉数据仓库建模理论（如范式建模、维度建模、数据分层等），有实际的数仓建设或大数据开发经验者优先。
- 3、熟练使用Python或Java等编程语言，熟悉Hive、Spark、Flink等离/实时数仓计算框架并了解其原理。
- 4、对AI、大模型（LLM）、前沿数据技术有强烈热情，熟悉Prompt编写技巧；了解AI Agent框架，具备探索欲望及将新技术落地为业务价值的实践能力。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。