崗位職責(zé)
1. 集團(tuán)數(shù)據(jù)治理體系規(guī)劃與落地
· 制定公司AI數(shù)據(jù)治理整體規(guī)劃，包括數(shù)據(jù)標(biāo)準(zhǔn)（元數(shù)據(jù)、主數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)規(guī)范）、數(shù)據(jù)模型（數(shù)據(jù)分層、數(shù)據(jù)血緣設(shè)計(jì)）、數(shù)據(jù)安全（權(quán)限管控、數(shù)據(jù)脫敏、合規(guī)審計(jì)）及數(shù)據(jù)質(zhì)量管控體系，輸出可落地的治理方案與實(shí)施路徑
· 推動(dòng)跨部門(mén)（研發(fā)、生產(chǎn)、IT、供應(yīng)鏈）數(shù)據(jù)資產(chǎn)盤(pán)點(diǎn)，梳理數(shù)據(jù)來(lái)源、數(shù)據(jù)流向及數(shù)據(jù)應(yīng)用場(chǎng)景，建立統(tǒng)一的數(shù)據(jù)資產(chǎn)目錄，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)可視化管理
· 制定數(shù)據(jù)治理考核指標(biāo)（如數(shù)據(jù)完整性、準(zhǔn)確性、及時(shí)性），定期開(kāi)展數(shù)據(jù)質(zhì)量巡檢與問(wèn)題復(fù)盤(pán)，推動(dòng)業(yè)務(wù)部門(mén)持續(xù)優(yōu)化數(shù)據(jù)管理流程
2. AI 場(chǎng)景針對(duì)性數(shù)據(jù)治理實(shí)施
· 對(duì)接各AI業(yè)務(wù)場(chǎng)景，梳理場(chǎng)景化數(shù)據(jù)需求（數(shù)據(jù)類(lèi)型、采集頻率、標(biāo)注標(biāo)準(zhǔn)）
· 設(shè)計(jì)并落地場(chǎng)景化數(shù)據(jù)治理方案，包括數(shù)據(jù)清洗（異常值剔除、缺失值補(bǔ)全）、數(shù)據(jù)集成（多源數(shù)據(jù)融合）、數(shù)據(jù)標(biāo)注（標(biāo)注規(guī)則制定、標(biāo)注質(zhì)量校驗(yàn)）、特征工程（特征提取、特征篩選），保障輸入AI模型的數(shù)據(jù)質(zhì)量滿足訓(xùn)練與推理要求
· 推動(dòng)AI場(chǎng)景數(shù)據(jù)治理工具鏈建設(shè)（如數(shù)據(jù)質(zhì)量檢測(cè)工具、自動(dòng)化標(biāo)注工具、特征管理平臺(tái)），提升數(shù)據(jù)治理效率與標(biāo)準(zhǔn)化水平
3. 數(shù)據(jù)治理技術(shù)支撐與協(xié)作
· 提供數(shù)據(jù)治理技術(shù)支持，協(xié)助解決模型訓(xùn)練過(guò)程中的數(shù)據(jù)質(zhì)量問(wèn)題（如數(shù)據(jù)偏差、數(shù)據(jù)稀疏），輸出數(shù)據(jù)質(zhì)量分析報(bào)告
· 推進(jìn)數(shù)據(jù)治理基礎(chǔ)設(shè)施建設(shè)（如數(shù)據(jù)湖、數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)中臺(tái)），確保數(shù)據(jù)存儲(chǔ)、計(jì)算與流轉(zhuǎn)符合治理規(guī)范
· 開(kāi)展數(shù)據(jù)治理知識(shí)培訓(xùn)與宣導(dǎo)，提升各業(yè)務(wù)部門(mén)數(shù)據(jù)管理意識(shí)，沉淀數(shù)據(jù)治理最佳實(shí)踐并形成標(biāo)準(zhǔn)化文檔
任職要求
1. 學(xué)歷與專(zhuān)業(yè)
· 本科及以上學(xué)歷，計(jì)算機(jī)科學(xué)與技術(shù)、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、統(tǒng)計(jì)學(xué)、信息管理與信息系統(tǒng)等相關(guān)專(zhuān)業(yè)，3年以上數(shù)據(jù)治理相關(guān)工作經(jīng)驗(yàn)，其中至少1年AI場(chǎng)景數(shù)據(jù)治理經(jīng)驗(yàn)
2. 核心技術(shù)能力
· 精通數(shù)據(jù)治理方法論（如 DAMA-DMBOK、DCMM），熟悉數(shù)據(jù)標(biāo)準(zhǔn)制定、數(shù)據(jù)質(zhì)量管控、數(shù)據(jù)安全合規(guī)（如 GDPR、數(shù)據(jù)安全法）的流程與工具
· 熟練掌握數(shù)據(jù)處理技術(shù)，包括使用 Python（Pandas、NumPy、PySpark）或 SQL 進(jìn)行數(shù)據(jù)清洗、集成與分析，熟悉 Hadoop、Spark、Flink 等大數(shù)據(jù)組件的應(yīng)用
· 了解AI模型訓(xùn)練數(shù)據(jù)需求（如計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、時(shí)序預(yù)測(cè)場(chǎng)景），具備場(chǎng)景化數(shù)據(jù)標(biāo)注、特征工程實(shí)戰(zhàn)經(jīng)驗(yàn)，熟悉主流數(shù)據(jù)標(biāo)注工具（如 LabelStudio、LabelImg）或特征管理平臺(tái)（如 Feast、Hopsworks）者優(yōu)先
· 熟悉數(shù)據(jù)治理工具或平臺(tái)（如 Informatica、Talend、阿里云 DataWorks、華為 DataArts）者優(yōu)先，了解數(shù)據(jù)湖/數(shù)據(jù)中臺(tái)架構(gòu)設(shè)計(jì)理念者更佳
3. 項(xiàng)目與經(jīng)驗(yàn)要求
· 主導(dǎo)或核心參與過(guò)企業(yè)級(jí)數(shù)據(jù)治理項(xiàng)目（如數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)、數(shù)據(jù)質(zhì)量提升、數(shù)據(jù)資產(chǎn)梳理），能獨(dú)立輸出數(shù)據(jù)治理方案并推動(dòng)落地
· 有制造業(yè)（尤其是汽車(chē)零部件行業(yè)）數(shù)據(jù)治理經(jīng)驗(yàn)，或 AI 場(chǎng)景（如工業(yè)質(zhì)檢、設(shè)備預(yù)測(cè)性維護(hù)）數(shù)據(jù)治理經(jīng)驗(yàn)者優(yōu)先
· 具備數(shù)據(jù)治理工具鏈搭建或自動(dòng)化數(shù)據(jù)治理方案設(shè)計(jì)經(jīng)驗(yàn)者優(yōu)先
4. 能力與素養(yǎng)
· 具備較強(qiáng)的邏輯分析與問(wèn)題解決能力，能從業(yè)務(wù)需求出發(fā)，設(shè)計(jì)貼合實(shí)際的data governance方案
· 具備優(yōu)秀的跨部門(mén)溝通協(xié)作能力，能有效推動(dòng)業(yè)務(wù)、IT、AI 團(tuán)隊(duì)協(xié)同推進(jìn)數(shù)據(jù)治理工作
· 具備良好的文檔撰寫(xiě)能力，能清晰輸出數(shù)據(jù)治理規(guī)劃方案、數(shù)據(jù)質(zhì)量報(bào)告、標(biāo)準(zhǔn)化操作手冊(cè)
· 具備較強(qiáng)的責(zé)任心與自驅(qū)力，能應(yīng)對(duì)多場(chǎng)景數(shù)據(jù)治理需求，持續(xù)學(xué)習(xí)數(shù)據(jù)治理與 AI 領(lǐng)域新技術(shù)
5. 加分項(xiàng)
· 持有數(shù)據(jù)治理相關(guān)認(rèn)證（如 DAMA CDGA/CDGP、DCMM 評(píng)估師、阿里云大數(shù)據(jù)高級(jí)認(rèn)證）者
· 有工業(yè)數(shù)據(jù)湖/數(shù)據(jù)中臺(tái)建設(shè)經(jīng)驗(yàn)，或參與過(guò) AI 大模型訓(xùn)練數(shù)據(jù)治理項(xiàng)目者
· 熟悉汽車(chē)行業(yè)數(shù)據(jù)標(biāo)準(zhǔn)（如 VDA、IATF16949）或智能制造相關(guān)業(yè)務(wù)流程者
6. 語(yǔ)言能力?
· 英語(yǔ)溝通流利（英語(yǔ)能力四級(jí)以上）
· 同時(shí)，有日語(yǔ)溝通能力者優(yōu)先