工作职责/Responsibilities

设计企业级数据架构：统筹规划湖仓一体、批流融合的统一数据底座，支撑实时分析、BI报表及AI智能应用场景的高效数据供给。

主导主数据治理工作：对客户、物料、员工等核心主数据治理，制定唯一标识规则、全生命周期管理机制。

构建标准化数据模型：设计分层合理（ODS/DWD/DWS/ADS）、主题清晰的公共数据模型，确保指标、维度口径统一，提升数据复用能力。

支持AI/ML数据链路：构建从原始日志到特征工程、样本构造、训练数据版本管理的端到端管道，保障机器学习模型输入的高质量与一致性。

推动数据治理落地：建立覆盖元数据管理、数据血缘追踪、质量监控、安全分级与合规审计的治理体系，提升数据可信度与可用性。

选型与演进技术栈：评估并引入先进数据技术（如Feature Store、向量数据库等），持续优化平台性能、成本与可维护性。

协同跨职能团队推进：紧密联动业务、产品、数据工程、算法及运维团队，推动架构方案共识、资源协调与高质量交付落地。

四、任职要求/ Qualifications

学历

Educational Background 本科及以上学历 专业要求

Major 计算机/统计学/数学/信息管理等相关专业

专业知识和技能

Knowledge & Skills 数据架构：熟悉数据仓库、数据湖、湖仓一体架构，掌握维度建模与分层设计。有Dataworks开发经验优先。

主数据治理：有客户、物料、员工等核心主数据平台搭建经验，能设计统一ID与主数据管理方案。

大数据技术：熟练使用 Spark、Flink、Kafka、Hive 等主流引擎，了解数据湖。

AI/ML支持：理解特征工程与训练数据 pipeline，有 Feature Store 或向量数据库经验者优先。

数据治理：掌握元数据、数据血缘、质量监控，有安全合规实践经验优先。

编程能力：精通 SQL，熟练使用 Python 进行数据处理，具备 Shell/Scala/Java 开发能力。擅长试用Cursor等AI编程工具优先。

业务与协作：能快速理解业务需求，具备良好沟通能力，推动跨团队技术方案落地。

工作经验

Work Experience 7年以上数据领域经验，其中至少2年从事数据架构或主数据治理相关工作；

能力素质

Competencies 系统性思维：能从全局视角设计数据架构，兼顾当前需求与长期演进。

业务理解力：快速洞察业务本质，将复杂问题抽象为可落地的数据方案。

沟通协调力：清晰表达技术方案，有效协同产品、工程、算法及业务团队。

推动力与ownership：主动承担责任，推动标准落地，解决跨团队协作中的阻塞问题。

学习与前瞻性：持续跟踪数据领域新技术，并评估其适用性。

结果导向：关注数据架构的实际业务价值，而非仅追求技术先进性。