法兰克福金融科技数据平台格局深度研究报告（2025）

面向对象：资深数据/AI平台工程师，具备自建 Lakehouse 组合（Iceberg + Trino + Dagster）、Databricks AI Engineer 认证及航空领域专业背景，正在评估以下五家雇主：Deutsche Börse Group、ING Deutschland、Trade Republic、N26、Commerzbank（数字/技术部门）。

执行摘要

法兰克福金融科技与金融公司的数据平台在2025年正经历快速演进：监管合规（DORA/BaFin 自2025年1月17日起正式生效）、实时流处理、Data Mesh 及生成式 AI 集成是驱动力。Deutsche Börse 已将 Data Mesh 跑进生产，Trade Republic 在 AWS Summit Hamburg 2025 上公开展示了 Apache Iceberg 迁移路径，Commerzbank 任命了首位 Chief Data & AI Officer 并与 Google Cloud/Microsoft 签署战略合作，ING 的数字化指数（Digi-Index）通过 AI 推动达到 86%，N26 正将数据库平台团队从运维驱动向产品平台化转型。[1][2][3]

对于具备 Databricks 认证 + 自建 Lakehouse 背景的候选人而言，这五家公司均呈现出高度匹配的窗口期。

一、Deutsche Börse Group

1.1 技术栈信号

Deutsche Börse Group 的数据基础设施已从传统 Hadoop 栈大步迁移至以 Databricks 为核心的现代 Lakehouse 架构。其内部团队 BDAA（Big Data & Advanced Analytics） 是平台核心，主导 Databricks 平台工程、多云（Azure + GCP）架构、Data Mesh 实施及 AI/ML 用例开发。[4][5][6]

• 存储格式：Delta Lake（Databricks 原生）[6]
• 计算层：Apache Spark（Scala/Python）、Databricks Workflows[7][8]
• 编排：Control-M（遗留批处理）、Cloud Composer/Airflow（GCP）[9]
• 消息/流处理：Apache Kafka、HBase/Phoenix；规划向流式数据管道演进[10][7]
• 云平台：Azure + GCP 双云架构（多云策略）[6]
• 目录/治理：Databricks Unity Catalog（跨工作区统一治理）[11][12]
• 数据分发：Databricks Marketplace + Delta Sharing（跨云无复制共享）[13][14]
• IaC：Terraform、GitHub Actions[4]

会议/博客信号（推断）：Databricks 案例研究确认，Deutsche Börse 将 Databricks 作为其数据产品开发"目标企业架构"的核心，Delta Sharing 使产品发布速度提升 4-8 倍。LinkedIn 已出现确认 Data Mesh 在 Corporate Data 域进入生产的帖子。[15][13][6]

1.2 战略数据赌注

2025年12月10日 Capital Markets Day 演示文稿明确指出："数据业务规模化（含 data mesh、数据市场及数据产品）" 是核心战略目标，并强调"最先进的多云架构"。CIO 在2026年2月演讲中强调数字主权与减少云厂商依赖，指出"数据——核心资产——掌握在我们手中"。[16][17]

同时，2025年9月结算路线图（Clearing Roadmap）确认了 data lake/mesh 在云中部署以及 AI/ML 能力建立的计划；超过三分之二的投资管理机构正使用 AI 支撑前台业务，反映出市场对数据产品需求的强劲增长。[18][10]

1.3 招聘信号

Deutsche Börse Group 持续招聘 Databricks Platform Engineer（f/m/d），职位位于法兰克福（BDAA 团队）。关键要求：[19][20][11]

薪酬区间：Databricks Platform Engineer 约 €48k–€84k/年（Experteer，低于市场，但含股权计划），Senior Data Engineer 含完整福利包。[12]

1.4 痛点与机会

最大未解问题：Data Mesh 已在 Corporate Data 域进生产，但核心交易数据（Xetra、Eurex）的数据产品化和多域扩展仍处于早期阶段（推断）。Unity Catalog 的跨工作区治理、Delta Sharing 的安全数据分发是当前最紧迫的平台能力短板（推断）。自建 Lakehouse（Iceberg + Trino）背景在此处可转化为"开放格式视角"——候选人能够阐释为何 Delta Lake + Iceberg 互操作性对 Deutsche Börse 未来数据分发策略至关重要。

1.5 文化与监管背景

Deutsche Börse 受 BaFin + ESMA 双重监管，数字主权是 CIO 级别的战略关切。企业文化属于大型金融基础设施机构，但 BDAA 团队的工作方式更接近内部科技产品团队，采用 Agile/Scrum（每日站会、Sprint Review 确认）。工程博客发布较少，但 Databricks 合作伙伴案例研究和 Capital Markets Day 是最透明的技术信号来源。[17][9]

二、Trade Republic

2.1 技术栈信号

Trade Republic 是五家公司中技术栈透明度最高的一家，工程博客（Substack + Engineering Medium）持续输出内容。核心基础设施建立在 AWS 之上，并在 2025 年完成重要的架构演进：[21]

• 存储层：从 S3+Parquet 迁移至 Apache Iceberg（2025年 AWS Summit Hamburg 公开展示）[22][23]
• 消息/流处理：Apache Kafka（Kafka Connect，Debezium CDC）[24][22]
• 批计算：Apache Spark（EMR on EC2，利用 Spot 实例降本）[22]
• 流计算：Apache Flink（推断，招聘描述提及）[21]
• 分析层：Snowflake[25]
• 编排：Apache Airflow[25]
• 转换：dbt[25]
• 数据目录：Datahub[25]
• BI：Metabase[25]
• IaC：Terraform、GitHub Actions[21]
• 可观测性：LGTM 栈（Loki/Grafana/Tempo/Mimir）[21]

工程博客最新动态（2025年）：

• 2025年12月：用 Debezium 将 Outbox Events 从 Postgres 流式传输至 Kafka[24]
• 2025年4月：用 LLMOps 部署模块化 LLM 流程[24]
• 2025年3月：批处理作业扩展最佳实践[24]
• 2025年1月：Kafka + Redis 实现实时债券到期收益率计算[24]

AWS Summit Hamburg 2025（6月5日）：Trade Republic 在 DAT306 会场（英语）发表"Trade Republic's Analytics Evolution Using Apache Iceberg"，详细展示了从 EMR+S3 到 Kafka Connect + Spark + Iceberg Lakehouse 的演进路径，以及数据目录和 Bizium 部署架构。这是最具价值的公开技术信号。[23][22]

2.2 战略数据赌注

Trade Republic 正处于从单体分析平台向 Data Mesh + self-service 平台的战略迁移期。核心优先级包括：[25]

1. Apache Iceberg 迁移：为 Analytics Evolution 奠定开放格式基础[22]
2. LLMOps 规模化：将 LLM 流程部署至各业务部门[24]
3. Data Mesh 推广：通过 Data Platform 团队建立自助服务能力，支持 8M+ 用户、€100B 资产管理[26][27]
4. 监管数据管道：在高度监管的金融环境中集成安全合规要求[26]

2.3 招聘信号

Senior Analytics Platform Engineer 是当前最匹配的岗位（已于2025年发布）：[27][26]

⚠️ 注意：Trade Republic 的数据/平台工程岗位目前以柏林为主，法兰克福候选人需考虑通勤或搬迁因素。

2.4 痛点与机会

最大未解问题：Iceberg 迁移的核心挑战——Kafka Connect 写入 Iceberg 的小文件问题、Snapshot 膨胀管理、以及 Spark EMR 集群与 Iceberg REST Catalog 的集成。候选人的 Iceberg + Trino 自建经验在此处高度吻合：能够贡献表优化（Compaction 策略）、REST Catalog 治理、以及 Trino 用于 ad-hoc 查询的轻量替代方案。[22]

2.5 文化与监管背景

Trade Republic 是欧洲最大储蓄平台，8M+ 用户，持有全欧洲银行牌照，受 BaFin 监管。工程文化呈现典型高速 FinTech 特征："ownership, excellence, high energy"（招聘语言）。DORA 合规要求被直接写入工程师 JD 中（"integrate regulatory and security requirements into everything we build"）。[28][26]

三、N26

3.1 技术栈信号

N26 的数据基础设施以 AWS 为核心云平台，数据仓库层使用 Amazon Redshift，体现了偏向托管服务而非自建开源栈的架构取向。[29][30]

• 数据仓库：AWS Redshift（Core Systems、Statutory Reporting 均明确要求）[31][29]
• ETL：Apache Airflow、AWS Glue[29]
• 转换：dbt（加分项）[29]
• 数据库平台：PostgreSQL、Amazon RDS、Amazon S3[32]
• 容器/编排：Docker、Kubernetes/EKS[32]
• IaC：Terraform、CloudFormation[32]
• AI 启用：Python/Kotlin + LLM 工具（AI Enablement 团队）[33]

平台工程博客（2021年，仍具参考价值）：N26 描述了从"高度运维型 DBA 支持团队"向"产品化平台工程团队"的转型，当时能够在1小时内完成新服务从零到生产的完整基础设施配置。[34]

3.2 战略数据赌注

N26 的数据战略优先级在于：

1. Statutory Reporting（法定申报）数据管道：Senior Data Engineer - Statutory Reporting 职位明确，为监管机构构建可靠的数据产品和数据集市[31]
2. Database Platform 产品化：将 DBA 运维团队向自助服务平台化转型（当前最重要的组织变革）[35]
3. AI 业务赋能：AI Enablement 团队将 LLM 落地至各非技术部门[33]
4. DORA 合规：在多个 JD 中明确提及 DORA metrics 和合规要求[36]

3.3 招聘信号

Lead Database Platform Engineer（2025年招聘，薪酬 €72k–€100k）是最具战略价值的岗位：[35]

⚠️ 注意：N26 数据工程核心岗位均在柏林，法兰克福候选人面临地理挑战。

3.4 痛点与机会

最大未解问题：N26 的数据仓库架构（Redshift 中心化）在向 Data Mesh 演进过程中面临治理难题——如何在强监管要求（DORA）下实现数据产品的自主管理（推断）。Redshift 对 Iceberg 的支持已在 AWS 生态中成熟，候选人能够提出"Redshift + Iceberg 联邦查询"的现代化路径，将自建 Iceberg 经验直接转化为 N26 的架构升级建议。[37]

3.5 文化与监管背景

N26 是一家成熟期 FinTech，1,500名员工、80+国籍，以高度自主的工程文化著称。BaFin 全面监管，DORA 合规是工程决策的硬约束。相比真正的企业银行，N26 的团队规模和技术决策速度更接近中型科技公司。[36][29]

四、ING Deutschland

4.1 技术栈信号

ING Deutschland（原 ING-DiBa）作为荷兰 ING Group 德国分支，继承了 ING Group 深厚的Kafka 工程积累（自2014年使用 Kafka）。技术栈呈现"传统 Hadoop 生态 + 云现代化迁移"的双轨特征：[38]

• 流处理：Confluent Kafka（明确要求，"strong proficiency"）；ING 是 Kafka Summit 历史演讲者（Confluent 主要客户）[39][40][38]
• 批处理：Hadoop 生态系统（HDFS, Hive）、Apache Spark[40][39]
• 数据集成：Apache NiFi[39]
• 数据库：Oracle（运营数据）、PostgreSQL[41]
• 分析平台：SAS Viya（正在从 SAS 9 迁移）[41]
• 云平台：GCP（Cloud Data Engineer 岗位明确要求 GCP）；Azure 也有涉及[42][41]
• 监控：Elastic 栈（ELK）[39]
• 编排：Azure DevOps / CI-CD[39]
• 实时场景：Kafka 实现实时投资提醒、监控看板（毫秒级延迟）[43][44]

4.2 战略数据赌注

ING Deutschland 2025年年报显示：Digi-Index 从2021年66%提升至2025年86%，其中 AI 驱动的自动化是关键贡献因素。战略重点：[45][3]

1. 实时处理平台（Monitoring 2.0）：全业务流程实时监控，Kafka 作为核心[43]
2. 云原生迁移：从私有云（ING Private Cloud）向 GCP/Azure 迁移[42]
3. KI（AI）驱动的服务与后台自动化：贷款流程、客服、支付等[45]
4. SAS Viya 现代化：从 SAS 9 向 SAS Viya 迁移（DORA 合规要求明确）[41]

4.3 招聘信号

ING 的数据工程招聘主要通过 ING Hubs Poland（华沙/卡托维茨） 发布，法兰克福本地岗位以数据管理/DWH 方向为主：[46]

薪酬：法兰克福数据工程师市场均值 €65k–€74k；ING 作为大型银行，通常在均值区间。[47][48]

4.4 痛点与机会

最大未解问题：ING 的技术栈存在"Kafka 数据流"和"SAS Viya 分析平台"之间的分析层断裂——缺乏统一的现代 Lakehouse 治理层（推断）。候选人的 Iceberg + Trino 背景可以填补这一空白：提出用 Apache Iceberg 统一 Kafka 流式数据和批量数据的方案，并通过 Trino 联邦查询替代或补充 SAS 分析能力。

4.5 文化与监管背景

ING Deutschland 是一家直销银行，无实体分支，约9M+客户，受 BaFin 全面监管。DORA 合规要求在工程岗位 JD 中明确出现。企业文化属于大型国际银行本地化运营模式，采用敏捷章程（Chapter）团队结构，工程节奏比 FinTech 更稳定，但比传统银行更灵活。[41]

五、Commerzbank（数字/技术部门）

5.1 技术栈信号

Commerzbank 在2025年完成了最重要的战略布局：与 Google Cloud 和 Microsoft 签署扩展战略合作（2025年4月），将 AI、数据分析和云迁移全面加速。技术基础设施正向 GCP+Azure 双云演进：[49]

• 主要云：Google Cloud Platform（Vertex AI、BigQuery、Cloud Run、Pub/Sub）[50][9]
• 辅助云：Microsoft Azure（部分应用，Copilot for coding）[49]
• AI/ML：Vertex AI + Gemini 1.5 Pro（金融顾问自动化，semi-agentic 架构）[51]
• 数据管道：GCP Dataproc（PySpark）、Airflow（Cloud Composer）[9]
• 消息中间件：Kafka、RabbitMQ[52]
• 数据库：BigQuery、CloudSQL（PostgreSQL）、Azure PostgreSQL[52][9]
• 容器：Kubernetes（OpenShift + GKE + AKS）[52]
• IaC：Terraform、Ansible、Helm/Kustomize[53][52]
• AI 工具：Google Gemini（文档自动化、MiFID 合规）、M365 Copilot（编程助手）、Google DocAI[49]

公开工程内容：Google Cloud 案例研究（金融顾问 AI 工作流，Vertex AI + Gemini 1.5 Pro，2024年11月）；2025年 RBC 投资者会议透露全行 LLM 已上线（in-app avatar Ava、agent assist、欺诈检测）。[54][51]

5.2 战略数据赌注

Commerzbank 在2025年发起了史上最大力度的数据/AI 战略重组：

1. 任命首位 Chief Data & AI Officer（Oliver Dörler，2025年5月），将数据管理与 AI 应用战略合并[55]
2. "Momentum"战略升级：€600M 变革投入，核心是 AI 应用规模化[54]
3. Google Cloud + Microsoft Azure 双云扩展（2025年4月正式发布）[49]
4. 生成式 AI 落地：MiFID 合规文档自动化（Gemini）、Ava 银行助手、agent assist、欺诈检测[54][49]
5. Big Data & Advanced Analytics（BDAA）团队：自2017年运营，覆盖 Data Warehouse、BI、Data Science、AI Solutions、Market Data[56]

5.3 招聘信号

Commerzbank 在2025年的招聘模式揭示了技术战略转向：

薪酬：招聘页提及"有竞争力的薪酬包"，但大量岗位通过保加利亚 Sofia 数字技术中心发布（成本中心模式），法兰克福本地岗位薪资更高。BDAA 法兰克福岗位通常高于市场均值。

5.4 痛点与机会

最大未解问题：Commerzbank 的 AI 应用已经远超数据平台成熟度（推断）——Gemini/Vertex AI 的落地速度快于底层数据治理和数据管道的现代化。数据孤岛（"data silos"）被产品负责人公开提及为挑战。候选人能够贡献的关键价值：设计统一的数据产品层，使 Vertex AI 的 RAG 管道能够安全访问治理良好的 Lakehouse 数据，满足 DORA 合规要求。[59]

5.5 文化与监管背景

Commerzbank 是150年历史的传统大型银行正在进行"数字企业"转型。DORA 自2025年1月17日起生效，BaFin 将在2025/2026年进行首轮全面审计，并在2026年起加强现场检查。工程决策高度受监管驱动：MiFID 合规文档自动化是 Gemini 的首要用例，每一个 AI 落地都需经过合规评审（"AI Ambassador"项目）。[60][61][58][10][49]

六、监管背景：DORA/BaFin 如何塑造工程决策

DORA（数字运营韧性法案）自2025年1月17日正式生效，对所有五家公司产生深远影响：[1]

• 第三方 ICT 风险管理：云服务提供商（AWS、GCP、Azure）必须纳入 ICT 第三方风险信息登记册；Commerzbank 的 Google Cloud / Microsoft 合作公告专门提及"确保数据保护要求得到满足"[2][1][49]
• 数据主权：Deutsche Börse CIO 在2026年2月演讲中明确将"数字主权"列为优先级；这直接影响 multi-cloud 策略和 BYOC 部署偏好[17]
• 事件报告：数据平台必须支持 ICT 事件快速报告；可观测性、数据血缘和审计日志成为必需品，而非加分项
• AI + ICT 风险指南：BaFin 在2025年12月18日专门发布了 AI+ICT 风险管理指南，适用于 CRR 机构和偿付能力 II 保险公司[62]
• 2026年强化审查：BaFin 明确表示将在2026年通过现场检查强化执行[61]

对工程岗位的直接影响：在所有五家公司的 JD 中，DORA 合规、数据治理、数据血缘、审计可追溯性已从"加分项"变为隐性或显性的必要条件。[26][36][41]

七、五家公司横向对比

八、候选人定位建议

基于上述研究，具备以下背景的候选人应采用以下 3 个核心叙事角度进行定位：

候选人背景：PhD 数据科学/AI+物流、自建 SoloLakehouse（Iceberg + Trino + Dagster）、Databricks AI Engineer 认证、航空货运领域专业知识

叙事角度一：「开放格式架构师」——不被厂商锁定的 Lakehouse 建设者

目标公司：Deutsche Börse（首选）、Trade Republic、ING Deutschland

Deutsche Börse CIO 明确表达了对数字主权和云厂商依赖的担忧。Trade Republic 刚刚完成 Iceberg 演进（AWS Summit Hamburg 2025）。ING 面临 Confluent Kafka 流数据和 SAS 分析层之间的断裂。[17][39][22]

核心叙事："我没有选择商业 Lakehouse 平台，而是用 Apache Iceberg + Trino + Dagster 从零构建了一个企业级数据平台。这让我对 Delta Lake vs. Iceberg 互操作性、Trino 联邦查询性能调优、以及在受限预算下实现数据治理有了独到的认识——这正是面临云厂商锁定担忧的金融基础设施机构所需要的视角。"

与 Databricks 认证的结合：强调"我能够评估何时该用 Databricks Unity Catalog，何时用开放标准——而不仅仅是 Databricks 认证工程师"。这对 Deutsche Börse BDAA 团队（正在用 Databricks Marketplace + Delta Sharing 分发数据）尤其有价值。[6]

叙事角度二：「监管智能数据平台工程师」——将 DORA 合规内嵌于平台设计

目标公司：Commerzbank（首选）、N26、ING Deutschland

DORA 自2025年1月生效，BaFin 将在2026年强化审查。所有三家公司都面临"如何在实现数据民主化的同时满足 ICT 第三方风险、数据血缘可追溯、审计日志要求"的挑战。[60][61]

核心叙事："我的 PhD 研究方向是 AI 与物流优化，在法兰克福应用科技大学从事了2年数据科学应用开发——我理解高度监管环境下的数据工程不仅仅是构建管道，而是要将治理、血缘追踪和合规审计内嵌为一等公民。SoloLakehouse 项目的核心设计原则之一就是数据目录驱动的血缘追踪，这与 DORA 的 ICT 风险管理要求直接对齐。"

针对 Commerzbank：强调 Vertex AI + 数据治理层结合的经验——AI 模型的输入数据必须具备可追溯性和 MiFID 合规性。[51][49]

叙事角度三：「实时物流决策数据系统」——航空领域异类优势

目标公司：Deutsche Börse（实时交易数据）、Trade Republic（实时投资平台）

Deutsche Börse 每天处理数百万笔交易（Xetra、Eurex），对实时数据精确性和低延迟的要求与航空货运的 IMU 传感器数据流处理高度相似。Trade Republic 的 Kafka + Redis 实时债券收益率计算 在架构模式上与航空地面操作实时优化同构。[47][24]

核心叙事："我的研究将 Human Activity Recognition 方法应用于 IMU 传感器驱动的航空货运动作识别——这意味着我在处理高频、时序、高容错要求的数据流。在金融领域，交易数据的实时处理面临相似的挑战：数据的完整性、时序对齐和低延迟决策。我的传感器数据管道架构（Kafka → Spark Streaming → Delta Lake/Iceberg）与 Deutsche Börse 和 Trade Republic 的技术演进方向一致。"

差异化点：航空物流领域知识在 Fintech 中是罕见的跨域优势。Deutsche Börse 母公司涵盖市场基础设施和数据产品，对"物流优化 + 实时数据平台"的理解在未来 SimCorp AI 优化和 Agentic AI 场景中有直接应用价值。[16]

九、行动建议

优先级排序（基于技术匹配度 + 法兰克福地理优势 + 薪酬潜力）：

1. 🥇 Deutsche Börse Group（BDAA Databricks Platform Engineer）——技术栈完全匹配（Databricks 认证直击核心需求），法兰克福本地，Data Mesh 正在规模化，是当前最确定性的目标[5][4][6]
2. 🥈 Commerzbank（BDAA 或 AI Solutions 方向）——AI 战略激进，€600M 投入，Chief Data & AI Officer 建立，GCP + Vertex AI 工程岗位与 Python/Cloud 背景吻合[57][54]
3. 🥉 Trade Republic（Senior Analytics Platform Engineer）——Iceberg 技术最高度匹配，工程文化最激动人心，但需接受柏林地点[27][26]
4. 🏅 ING Deutschland（Cloud Data Engineer - GCP）——Kafka + GCP 技术有一定匹配度，适合作为备选；法兰克福本地岗位相对保守[42]
5. N26（Lead Database Platform Engineer）——平台化转型方向有趣，但柏林地点和 Redshift 主导的栈限制了 Lakehouse 背景的直接价值[35]

简历/LinkedIn 优化建议：在项目描述中显式提及 Apache Iceberg、Delta Lake 互操作性、Dagster 编排、Trino 查询优化，以及"金融级别数据治理"——这些关键词在 Deutsche Börse 和 Trade Republic 的 ATS 系统中具有高权重。Databricks AI Engineer 认证应置于技能部分最前列。

本报告基于2025年工程博客、LinkedIn 职位发布、会议演讲（AWS Summit Hamburg 2025、Capital Markets Day 2025）、官方新闻稿及招聘语言分析，所有技术栈信号均来自可验证的公开来源。标注"（推断）"的内容为基于业务模型和技术信号的合理推断，非直接引用。