主分类：数据工程与数据平台研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "大数据研发工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、南京、武汉",
"work_mode": "未披露",AI生成
"job_category": "数据研发"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机科学、大数据或相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 数据仓库设计和开发：根据业务需求设计和实施数据仓库模型，包括事实表和维度表的设计；\n2. ETL开发：使用ETL工具进行数据的提取、转换和加载，确保数据的准确性和一致性；\n3. 数据集成和处理：处理和集成来自多个数据源的大数据集，确保数据的完整性和一致性；\n4. 数据建模：设计和实施数据建模解决方案，确保数据结构合理、规范且易于分析；\n5. 数据质量：监控数据仓库系统告警，诊断和解决数据质量问题，提升质量保障；\n6. 数据可视化：使用BI工具进行数据可视化开发，支持业务决策；\n7. 跨团队协作：与数据科学家、分析师和业务部门合作，确保数据仓库系统满足业务需求。",
"requirements_text": "1. 计算机科学、大数据或相关专业本科及以上学历；\n2. 熟悉数据仓库技术和概念，具备数据存储方法、数据集成和检索机制的基础知识；\n3. 熟练使用SQL，能够编写基本查询，熟悉大数据技术并执行数据操作；\n4. 了解ETL工具和数据建模技术；\n5. 具备Python、Java、SQL编程技能者优先；\n6. 了解大数据技术（如Hadoop、Spark、Hive、Flink）者优先；\n7. 良好的团队合作能力，能够解决冲突并促进团队动态；\n8. 优秀的沟通能力，能够与技术和非技术团队成员有效沟通；\n9. 强烈的学习热情和主动性，能够快速掌握新技术和工具。",
"skills": [AI生成
"Python",
"Java",
"SQL",
"Spark",
"Hadoop",
"Flink",
"团队协作",
"沟通能力",
"建模"
],
"preferred_qualifications": "5. 具备Python、Java、SQL编程技能者优先；6. 了解大数据技术（如Hadoop、Spark、Hive、Flink）者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7671290338011056435/detail"
}
]
},
"posting": {
"posting_id": "7671290338011056435",
"post_date": "2026-08-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7671290338011056435/detail"
},
"fulltext": "大数据研发工程师\n职位描述\n1. 数据仓库设计和开发：根据业务需求设计和实施数据仓库模型，包括事实表和维度表的设计；\n2. ETL开发：使用ETL工具进行数据的提取、转换和加载，确保数据的准确性和一致性；\n3. 数据集成和处理：处理和集成来自多个数据源的大数据集，确保数据的完整性和一致性；\n4. 数据建模：设计和实施数据建模解决方案，确保数据结构合理、规范且易于分析；\n5. 数据质量：监控数据仓库系统告警，诊断和解决数据质量问题，提升质量保障；\n6. 数据可视化：使用BI工具进行数据可视化开发，支持业务决策；\n7. 跨团队协作：与数据科学家、分析师和业务部门合作，确保数据仓库系统满足业务需求。\n\n职位要求\n1. 计算机科学、大数据或相关专业本科及以上学历；\n2. 熟悉数据仓库技术和概念，具备数据存储方法、数据集成和检索机制的基础知识；\n3. 熟练使用SQL，能够编写基本查询，熟悉大数据技术并执行数据操作；\n4. 了解ETL工具和数据建模技术；\n5. 具备Python、Java、SQL编程技能者优先；\n6. 了解大数据技术（如Hadoop、Spark、Hive、Flink）者优先；\n7. 良好的团队合作能力，能够解决冲突并促进团队动态；\n8. 优秀的沟通能力，能够与技术和非技术团队成员有效沟通；\n9. 强烈的学习热情和主动性，能够快速掌握新技术和工具。\n1. 数据仓库设计和开发：根据业务需求设计和实施数据仓库模型，包括事实表和维度表的设计；\n2. ETL开发：使用ETL工具进行数据的提取、转换和加载，确保数据的准确性和一致性；\n3. 数据集成和处理：处理和集成来自多个数据源的大数据集，确保数据的完整性和一致性；\n4. 数据建模：设计和实施数据建模解决方案，确保数据结构合理、规范且易于分析；\n5. 数据质量：监控数据仓库系统告警，诊断和解决数据质量问题，提升质量保障；\n6. 数据可视化：使用BI工具进行数据可视化开发，支持业务决策；\n7. 跨团队协作：与数据科学家、分析师和业务部门合作，确保数据仓库系统满足业务需求。\n1. 计算机科学、大数据或相关专业本科及以上学历；\n2. 熟悉数据仓库技术和概念，具备数据存储方法、数据集成和检索机制的基础知识；\n3. 熟练使用SQL，能够编写基本查询，熟悉大数据技术并执行数据操作；\n4. 了解ETL工具和数据建模技术；\n5. 具备Python、Java、SQL编程技能者优先；\n6. 了解大数据技术（如Hadoop、Spark、Hive、Flink）者优先；\n7. 良好的团队合作能力，能够解决冲突并促进团队动态；\n8. 优秀的沟通能力，能够与技术和非技术团队成员有效沟通；\n9. 强烈的学习热情和主动性，能够快速掌握新技术和工具。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}