腾讯
实习数据工程
深圳总部/北京 · 实习 · 本科
长期有效
任职要求
- AI应用技能：
- 善于借助AI工具拆解复杂问题、探索解决方案，并能对AI的输出进行高质量判断，具备人机协同的工作意识和习惯。
- 专业能力：
- 1、本科以上学历，数学、统计、运筹学、计算机等相关专业；
- 2、了解至少一种大数据常用组件及技术，如Spark、Flink、TensorFlow、PyTorch等；
- 3、熟悉至少一种编程语言，如java、c++、python、shell等；
- 4、熟练掌握SQL及其性能优化。
- 其他：
- 1、能够清晰沟通表达，有对事物完成抽象与概述的能力；
- 2、具备逻辑推理思维和分析问题能力；
- 3、热爱数据领域，面对技术难点，能主动学习相关知识；
- 4、对AI/LLM在数据处理和分析中的应用有兴趣。
- 1、在相关领域的顶会或核心刊物上发表过高水平论文；
- 2、有相关实习经历，并具有数据仓库、数据处理项目经验，对数据仓库理论和数据建模有深入理解，熟悉常见的ETL工具和流程；
- 3、在GitHub上参与过开源项目并做出过代码贡献；
- 4、在业界公认的主流竞赛中取得过排名靠前的比赛成绩。
岗位描述
【岗位职责】
负责数据平台及工具研发及优化、数据处理、数仓建设、数据治理等工作，利用数据辅助产品运营决策。
- 1、建设和优化常用的大数据基础组件及平台，提升数据团队整体的海量数据处理能力、处理效率，通过建设数据平台及工具降低业务团队使用海量数据的门槛；
- 2、与业务团队紧密合作，理解业务需求，设计并实现高效、可扩展的数据解决方案；承接业务直接的数据需求交付；
- 3、对数据进行清洗、转换、集成和建模，为产品迭代和数据科学、算法研究等提供系统化的工程方面的支持，达到工业界应用的工程水平；
- 4、通过技术和机制进行数据治理工作，提升数据质量，优化数据处理流程和数据质量，确保数据的准确性和一致性，建设工具流程保障数据的合规，挖掘数据资产价值。
- 5、探索AI/大模型在数据工程中的应用（如利用LLM进行智能数据清洗与标注、AI辅助SQL生成与优化、自然语言数据查询等），持续降低业务团队使用数据的门槛。
【任职要求】
AI应用技能：
善于借助AI工具拆解复杂问题、探索解决方案，并能对AI的输出进行高质量判断，具备人机协同的工作意识和习惯。
专业能力：
- 1、本科以上学历，数学、统计、运筹学、计算机等相关专业；
- 2、了解至少一种大数据常用组件及技术，如Spark、Flink、TensorFlow、PyTorch等；
- 3、熟悉至少一种编程语言，如java、c++、python、shell等；
- 4、熟练掌握SQL及其性能优化。
其他：
- 1、能够清晰沟通表达，有对事物完成抽象与概述的能力；
- 2、具备逻辑推理思维和分析问题能力；
- 3、热爱数据领域，面对技术难点，能主动学习相关知识；
- 4、对AI/LLM在数据处理和分析中的应用有兴趣。
【加分项】
- 1、在相关领域的顶会或核心刊物上发表过高水平论文；
- 2、有相关实习经历，并具有数据仓库、数据处理项目经验，对数据仓库理论和数据建模有深入理解，熟悉常见的ETL工具和流程；
- 3、在GitHub上参与过开源项目并做出过代码贡献；
- 4、在业界公认的主流竞赛中取得过排名靠前的比赛成绩。
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。