职位描述：
1. 参与多个传统/新能源汽车的数据项目研发；
2. 参与数据仓库架构设计与数据集市建设，通过数据+算法+工程化能力，处理和萃取数据，赋能业务与产品，建设EB级共享的数据平台；
3. 负责数据平台相关数据管理和管理工作，如研发规范、质量规范、保障规范的制定与推动实施落地，元数据管理、数据质量检查、数据分级管理等系统的设计、开发及应用，提升数据易用性、可用性及稳定性；
4. 快速输出并不断沉淀标准化的产品数据体系，让业务的数据化运营更加高效、便捷；
5. 负责来自业务团队数据需求的研发支撑，如日志埋点、车联网数据、内部与外部数据的采集、数据同步、数据清洗与标准化、数据模型设计、离线数据处理、实时数据处理、数据服务化、数据可视化等。
职位要求：
1. 从事数据仓库领域工作至少5年以上，熟悉数据仓库模型设计方法论，并有实际模型设计及ETL开发经验；
2. 熟悉Hadoop生态相关技术，如Hive、HBase、Spark、Flink、Elasticsearch、Iceberg、Trino、Doris等，有基于分布式数据存储与计算平台应用开发经验；
3. 熟悉数据仓库领域知识和管理技能，包括但不局限于：元数据管理、数据质量、性能调优等 ；
4. 有良好的汽车业务Sense，对数据业务场景非常敏感，能够横向协同，跨界整合资源，有效结合业务和技术创新，形成完整的数据解决方案，全局地规划或完善数据服务体系以解决业务/产品的问题；
5. 掌握一门或多门编程语言优先，如Java、Python、SQL等；
6. 掌握常用的数据分析工具、数据挖掘、机器学习算法是加分项；
7. 具有大型跨部门的复杂数据项目实施经验、
招聘部门：
小米
工作地点：
南京市 ID：A145957
面试建议：
小米汽车的数据研发工程师职位聚焦于EB级数据平台建设和汽车行业数据应用，这是一个技术要求高且业务敏感度强的岗位。面试官最看重的不仅是技术深度，还有将数据能力转化为业务价值的能力。你需要证明自己既能处理海量数据的技术挑战，又能理解汽车行业的数据需求，特别是车联网数据的独特价值。 建议重点准备三个方向：首先梳理你在数据仓库架构设计中的实际案例，特别是处理过PB级以上数据的经验；其次深入理解汽车行业的数据特点，比如车联网数据的采集、处理和应用场景；最后准备好展示你如何通过数据驱动业务决策的案例。技术面试可能会深入考察Hadoop生态组件的使用细节，以及你在数据质量管理和性能优化方面的实践经验。记得强调你在跨部门协作中的沟通能力，因为这是实现数据价值的关键。