岗位职责:

（一）大数据分析产品需求分析

1. 政企需求深度转化：深度对接产品、售前和销售团队及政企客户，精准拆解核心需求，输出“需求规格说明书”。

2. 研发方向与技术选型：结合政企行业趋势（如数字政府建设、企业数字化转型）与大数据技术演进，参与制定大数据分析产品研发战略与技术路线图，主导核心技术选型，确保技术方案兼顾先进性与落地可行性。

3. 研发计划拆解落地：基于产品迭代周期，将研发战略拆解为阶段性任务，明确各环节时间节点、资源需求与交付标准，确保研发资源聚焦政企核心需求场景。

（二）核心产品研发攻坚

1. 通用分析模型研发：开发面向政企的基础分析能力，包括多维钻取、切片分析、同比/环比分析、预警阈值设置等，支撑用户自主开展数据探索；优化计算引擎性能，解决海量数据（亿级以上）分析的延迟问题（复杂查询响应时间≤10秒）。

2. 行业定制模型研发：结合政企细分场景开发专属分析模型。政府端：审计线索挖掘模型（基于异常交易特征识别）、监管指标达标分析模型（自动匹配监管标准）；企业端：合规风险评估模型（量化合规得分）、运营效率分析模型（定位流程瓶颈），确保分析结果直接服务业务决策。

3. 智能分析融合研发：融合AI技术提升分析能力，如引入自然语言处理（NLP）实现非结构化文本的关键词提取与情感分析，结合知识图谱实现政企实体（企业、人员、项目）的关联关系分析，支撑“数据+知识”的深度洞察。

4. 可视化能力研发：基于ECharts、Tableau等工具，开发适配政企用户习惯的可视化组件（仪表盘、动态报表、地理信息地图），支持自定义报表配置、数据联动钻取，满足审计汇报、监管公示、企业管理层决策等场景的展示需求。

5. 系统集成与交付研发：研发标准化API接口（RESTful/Grpc），实现大数据分析产品与政企现有系统的无缝对接。

6. 定制化功能开发：响应政企客户个性化需求，如地方审计部门的特色指标分析、集团企业的多子公司数据汇总规则，快速完成定制化研发与功能迭代，确保产品适配性。

（三）技术难题突破与应急支撑

1. 核心技术瓶颈攻坚：牵头解决政企大数据场景中的复杂技术问题，组织技术论证并输出创新性解决方案，提升产品技术壁垒。

2. 业务应急技术支撑：针对政企客户核心业务场景中使用产品出现的技术故障， 4小时内响应、24小时内给出解决方案。

（四）跨部门协同与技术赋能

1. 内部门协同联动：对接数据治理团队，明确数据标准，推动高质量数据供给；联动测试团队设计针对性测试方案（如大数据量测试、并发场景测试）；参与产品需求评审，从技术视角提出产品优化建议，平衡“业务需求”与“技术可行性”。

2. 技术沉淀与赋能：牵头构建大数据分析产品研发知识库，沉淀政企数据处理方法、分析模型模板、技术难题解决方案；开展内部技术培训，提升团队（大数据开发工程师、产品经理）的政企场景研发能力。

（五）技术创新与成果转化

1. 前沿技术预研：跟踪大数据领域前沿技术（如湖仓一体架构、实时数仓、AI增强分析），结合政企场景开展预研（如“实时数仓+审计”提升线索发现效率），形成技术原型并评估商业化价值。

2. 研发成果沉淀：核心技术成果的专利申报（如政企多源数据融合方法、审计线索智能挖掘算法）、软件著作权登记；推动核心技术模块的组件化封装，提升研发复用效率。

任职要求:

（一）专业知识

1. 数据全流程技术：熟悉大数据采集（Flume、Sqoop、Logstash）、存储（HDFS、HBase、ClickHouse、Kudu）、计算（Spark、Flink、Storm、Presto）、分析（Hive、Impala）全链路技术栈；深刻理解政企数据“多源异构、高敏感、大规模”的特性，掌握对应的处理优化方法（如异构数据融合、海量数据分区策略）。

2. 数据治理知识：熟悉数据治理核心框架，包括数据分类分级、元数据管理、数据质量评估（完整性、准确性、一致性）、数据血缘分析等；熟悉政企数据治理痛点（如跨部门数据标准不一、历史数据脏乱差）的解决方案。

3. 可视化与应用技术：熟悉主流数据可视化工具（ECharts、Tableau、Power BI）的二次开发能力；掌握API接口设计（RESTful/Grpc）、微服务架构，具备大数据产品与政企现有系统的集成技术储备。

4. AI融合技术：了解AI与大数据的融合应用，了解基础机器学习算法（分类、聚类、回归）、自然语言处理（文本解析、信息抽取）、知识图谱构建技术，能将AI能力融入大数据分析（如智能异常检测、关联关系挖掘）。

5. 政企场景知识：了解政府端核心业务场景，熟悉企业端核心需求，涵盖合规管理（数据追溯、合规评分）、风险控制（异常交易识别）、运营优化（流程瓶颈定位、效率分析），了解政企客户的组织架构、业务流程及决策逻辑。

6. 行业规则知识：了解政府审计准则、监管政策法规（如金融监管指标、国资监管要求）、企业合规标准（如ISO体系、行业规范），能将业务规则转化为大数据分析模型的计算逻辑与判断依据。

7．法律法规知识：了解《数据安全法》《个人信息保护法》《网络安全法》等国内外数据相关法律法规；了解政企行业合规要求，如政务数据分级保护、等保2.0/3.0、企业数据安全管理规范（DSMM）。

8. 安全技术知识：掌握数据安全核心技术，包括数据脱敏（匿名化、去标识化）、加密传输与存储（AES、RSA）、访问权限管控（RBAC模型）、操作日志审计；了解隐私计算技术（联邦学习、差分隐私），能在敏感数据场景保障分析合规。

9. 精通大数据研发核心编程语言（Java/Scala/Python），熟练使用大数据开发框架（Spark、Flink）、数据库（MySQL、Oracle、Hive）及运维工具（Zookeeper、YARN）；熟悉数据可视化开发技术（JavaScript、Vue+ECharts）。

10. 掌握研发管理工具（Git、Jira、Jenkins），熟悉敏捷研发流程与大数据项目管理规范，能保障研发过程的高效与有序。

（二）业务技能

1. 需求转化与方案设计能力：能精准拆解政企客户模糊业务需求，转化为量化的技术指标；可结合政企场景特性（数据敏感、部署环境复杂），设计“存储-计算-分析-应用”一体化技术架构，兼顾先进性与落地可行性。

2. 核心研发攻坚能力：具备大数据产品全模块研发能力——数据接入模块（多源异构数据适配、异常校验）、数据处理模块（清洗、转换、融合、脱敏）、分析模型模块（通用多维分析、行业定制模型）、可视化模块（定制化报表、动态看板）；能独立解决研发中的技术瓶颈（如亿级数据查询优化、跨区域数据协同分析）。

3. 技术难题突破能力：针对政企大数据场景的复杂问题（如政务内网环境下的实时计算、企业敏感数据的安全分析、跨系统数据标准统一），能牵头组织技术论证，输出创新性解决方案（如轻量化实时计算引擎、联邦学习分析方案）并落地验证。

4. 质量管控与保障能力：可建立“数据-模型-系统”三维质量评估体系，数据质量通过自动化校验工具监控，分析模型通过业务标准验证准确率，系统质量通过压力测试保障并发与稳定性；能搭建数据与模型监控机制，实时跟踪数据漂移、性能衰减，触发迭代预警。

5. 跨部门协同与赋能能力：能高效联动数据治理团队明确数据标准，对接产品团队提供技术建议，支撑实施团队完成部署交付；可沉淀政企大数据研发知识库（数据处理方法、模型模板、问题解决方案），开展内部技术培训，提升团队整体研发能力。

6. 成果转化与沉淀能力：能推动核心技术成果的专利申报、软件著作权登记；可将高频功能模块组件化，缩短新产品研发周期。

（三）工作经验

1. 总体经验：5年以上大数据领域研发工作经验，其中3年以上政企行业（政府审计/监管、企业合规/数字化）大数据产品研发经验；具备政务大数据、金融监管大数据、大型企业数字化项目经验者优先。

2. 核心经验：具备政企大数据产品从0到1全流程研发经验，主导过核心模块（数据处理、分析模型、可视化）的设计与开发；有政企数据治理与合规研发经验，参与过数据分类分级、脱敏加密、合规审计相关模块开发，确保产品通过等保认证或政务合规审查；具备大数据产品私有化部署经验，曾为政务内网、企业隔离环境等特殊场景完成产品适配与优化，保障系统稳定运行；具备技术团队指导经验，曾指导5人以上研发小组完成复杂项目，或作为核心技术骨干支撑跨部门协作项目。

（四）项目经验

1. 政企端大数据产品研发项目：主导过省级及以上政务大数据分析产品研发，或者核心参与过集团级企业大数据分析项目。

2. 合规与安全专项项目：参与过政企数据安全分析项目，如基于联邦学习的跨主体风险分析平台，实现数据“可用不可见”，在保障数据安全的同时完成监管风险研判，项目通过等保三级认证及数据安全合规评估。

3. 技术创新与成果项目：牵头过大数据技术预研或成果转化项目，如湖仓一体架构在政务数据平台的落地，或大数据核心模块组件化封装，形成可复用技术资产，相关成果申报专利/软著≥2项。

4. 大型政企信息化项目：核心参与过亿元级政企数字化转型项目，担任大数据技术负责人，负责大数据能力落地与技术支撑，保障项目按时交付且客户满意度≥90分。