食品产业链电商数据仓库&BI开发工程师岗位说明书
一、岗位定位
聚焦食品产业链+电商双业务场景,负责企业自建信息化系统的数据整合、仓库搭建与BI支撑,通过数据驱动食品采购、生产、电商运营全链路效率提升,为业务决策提供精准数据依据。
二、岗位职责与工作内容
(一)数据建模与仓库设计
1. 结合食品产业链(采购、生产、库存)与电商运营(订单、用户、营销)业务特性,设计企业级数据仓库分层架构(ODS/DWD/DWS/ADS),制定符合食品行业的数据模型规范(维度建模/宽表模型)。
2. 针对食品行业特性制定数据标准,包括商品分类、批次信息、效期管理等元数据规范,以及用户信息、交易数据等敏感数据脱敏与权限分级策略。
(二)数据模型开发与优化
1. 基于食品电商业务需求,开发明细层(DWD)、汇总层(DWS/ADS)核心模型,重点设计食品库存事实表、电商订单事实表、用户消费维度表、供应链履约维度表等。
2. 针对食品行业复杂场景(如临期商品预警、季节性库存调配、电商大促销量预测),设计高效多维模型,平衡数据查询性能与存储成本。
3. 持续优化现有模型,如针对食品批次数据调整分区策略、优化电商订单查询索引,提升ETL跑数效率与业务报表响应速度。
(三)ETL/ELT开发与数据集成
1. 从企业自建信息化系统(ERP/CRM/库存管理系统)、电商平台(自有商城、第三方平台接口)、供应链系统抽取数据,通过ETL工具(DataX/Sqoop)或Python/Shell脚本完成数据清洗与加载。
2. 开发适配食品行业的数据同步策略,如基于批次时间戳的库存增量同步、基于订单状态变更的CDC捕获,处理商品效期异常、订单数据缺失等问题。
3. 构建数据调度任务(DolphinScheduler/Airflow),编排供应链数据与电商数据的依赖关系,确保采购、库存、销售数据按时产出,保障大促等关键节点数据稳定。
(四)数据质量管理与监控
1. 设计食品电商专属数据质量规则,如商品批次*性校验、库存数量与订单销量一致性校验、临期商品预警阈值监控,通过自动化脚本检测数据异常。
2. 监控核心数据时效性,如每日电商销量指标、供应链库存周转率等是否按时生成,输出数据质量日报,推动效期数据错误、订单数据不匹配等问题闭环。
3. 配合运营、供应链团队完成数据对账(如电商订单与物流发货数据对账、库存数据与生产入库数据对账),提供数据溯源能力。
(五)数据服务与业务支持
1. 为电商运营、供应链管理团队提供数据支持,将业务需求转化为数据方案,如食品爆品销售分析、区域库存调配优化、用户复购率维度拆解等。
2. 参与企业BI数据产品开发,如搭建食品电商经营看板(销量、利润、库存周转)、供应链效率看板(采购周期、履约时效),保障数据接口稳定高效。
3. 跟踪食品行业业务变化(如新品上市、电商促销活动、供应链模式调整),快速迭代数据模型与ETL流程,支撑业务决策。
(六)技术运维与文档沉淀
1. 维护数据仓库底层基础设施(Hadoop/Hive/ClickHouse等),处理食品电商高并发场景下的集群性能问题。
2. 编写技术文档,包括食品电商数据字典、供应链数据模型设计文档、ETL流程说明,确保知识传承;参与团队代码评审,推广行业*佳实践。
三、任职资格要求
(一)教育背景
本科(985/211)及以上学历,计算机、信息技术、数据科学等相关专业。
(二)工作经验
1. 1-3年数据仓库/BI开发经验,有电商或快消/食品行业经验者优先。
2. 独立负责过中型数据项目全流程开发,有食品库存管理、电商销量分析等复杂模型设计或性能优化案例。
(三)核心技能
1. 必备技能:熟练掌握SQL(复杂查询、窗口函数、性能调优);至少掌握一种脚本语言(Python/Shell);熟悉ETL工具(DataX/Sqoop/Kettle)和调度工具(DolphinScheduler)。
2. 加分技能:熟悉大数据组件(Hadoop/Hive/Spark/Flink、ClickHouse)、云数仓(阿里MaxCompute等);了解实时计算(Flink CDC),有食品电商实时数据看板搭建经验者优先。
3. 业务理解:能快速理解食品产业链(采购、生产、库存)与电商运营(订单、营销、用户)业务逻辑,具备将食品行业业务问题转化为数据解决方案的能力。
我可以帮你把这份JD进一步精简成招聘平台适配的短版,或者针对“食品电商数据可视化”“供应链数据建模”等核心模块补充更细节的能力要求,需要我调整吗?