百度
实习北京市 · 实习 · 本科
长期有效
【岗位职责】
-参与百度网盘数据体系建设，设计和开发对应的离线与实时数据仓库模型
-面向PB级超大规模数据问题，理解业务需求，完成离线/实时ETL作业的开发以及相应数据治理工作
-负责大数据相关的离线&实时计算、交互式多维查询、数据建模等技术方向
-建设通用化的数据开发分析工具，不断提高数据生产效率
【任职要求】
-计算机或相关专业本科以上学历，两年以上互联网数据开发和数据治理工作经验
-扎实的数据结构和算法基础，具有较强的编程能力和问题解决能力。熟练使用Java、Scala、Python、shell等至少一门语言
-精通Hadoop，Hive，Spark，Flink，Kafka，Olap 等大数据框架原理及应用，善于处理性能调优
-精通数仓架构及原理，有大型数据仓库架构设计、数据治理、模型设计相关经验
-善于沟通，工作积极主动，责任心强，具备良好的团队协作能力
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
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
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
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
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
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
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。