1、负责智能硬件场景下相关数据的全生命周期管理，包括数据采集、清洗、存储与预处理，确保数据质量符合后续算法训练与业务应用需求；

2、参与数据模型的设计与优化，针对动态场景数据特性（如实时性、多源性），构建高效的数据处理流水线，提升数据流转效率；

3、协同算法、硬件团队完成多模态运动数据（如传感信号、时序动作数据）的融合处理，解决数据时空同步、噪声过滤、异常值检测等技术问题；

4、跟踪数据领域前沿技术（如时序数据挖掘、边缘端数据预处理），结合业务场景设计数据创新应用方案，支撑产品核心功能落地；

5、撰写数据相关技术文档，沉淀数据处理规范与最佳实践，协助团队提升数据管理与应用效率。

技能要求

1、精通数据处理核心技术，包括但不限于：

a) 数据采集与预处理：熟悉多源数据（传感、时序、日志数据）采集方法，掌握数据清洗（缺失值填充、异常值剔除）、特征工程（时序特征提取、数据标准化）等技术；

b) 数据存储与计算：熟悉时序数据库（如 InfluxDB、TimescaleDB）、关系型数据库（MySQL）及分布式计算框架（Spark、Flink），能根据数据量级选择适配的存储与计算方案；

c) 数据质量管控：具备数据质量评估体系搭建能力，能设计数据完整性、准确性、实时性监控指标，确保数据可用率≥98%；

2、掌握数据特性分析方法，能针对动态场景数据（如动作时序、实时传感信号）设计专属预处理方案，降低数据噪声对后续应用的影响；

3、熟练使用 Python/R 等数据处理语言，熟悉 Pandas、NumPy、Scikit-learn 等工具库，具备一定的数据分析与可视化基础（能生成数据质量报告、趋势图表）；

4、了解智能硬件数据传输协议（如 MQTT、HTTP），能协同硬件团队优化数据采集频率与传输效率，平衡数据完整性与硬件能耗；

5、具备边缘端数据处理经验（如数据降采样、本地特征提取），能适配资源受限设备（如边缘服务器、嵌入式设备）者优先。

经验要求

1、本科及以上学历，数据科学、计算机科学与技术、统计学、电子信息工程等相关专业；

2、3年及以上数据、时序数据或智能硬件数据处理经验；

3、具备从 0 到 1 搭建数据处理体系的实际经验，能独立完成数据需求拆解、方案设计到落地优化的全流程者优先。