大数据平台与工程中心总监

1.战略与架构规划

制定大数据平台与工程中心的中长期技术战略，结合公司业务目标确定平台架构方向，设计并落地全流程数据治理框架，覆盖数据采集、清洗、标注、存储、版本控制、交付全链路，制定数据标准（准确性、一致性、多样性、时效性）与 SOP 规范；

构建多模态数据（图像、视频、3D 点云、文本等）处理架构，适配 Lakehouse、数据湖等存储方案（Hive、Iceberg、Delta Lake），保障千万级以上数据量的高效管理与复用；

规划数据质量监控体系，设计自动化校验工具与人工审核（Human-in-the-Loop）结合的工作流，建立质量评估指标与闭环改进机制。同时负责技术平台的整体设计、搭建与迭代，评估新技术可行性并完成技术框架选型，攻克架构层面的核心技术难点。

2.技术创新与团队管理

搭建并管理大数据工程和平台团队，跟踪 AI 领域技术趋势（多模态融合、自动标注、联邦学习、合成数据生成），引入创新工具与方案优化数据生产效率；

编写数据处理脚本（Python 为主），实现数据校验、分析、可视化等自动化能力，提升流程标准化水平；

​此外还需制定部门内的开发规范、运维流程、质量管控及 CI/CD 等最佳实践，规范数据接口标准与系统相关制度。

3.项目与工程落地

统筹大数据相关工程项目的推进，把控项目的进度、成本与质量，监督数据 pipelines、存储层、计算层等基础设施的设计与落地。同时完成业务模型到技术模型的转换，推动数据能力与业务场景深度融合。

4.数据治理与合规

牵头数据治理工作，涵盖数据质量监控、数据安全防护、数据合规管理等，确保数据符合行业规范及企业制度；

还要建立数据安全体系，防范数据泄露、篡改等风险，保障大数据平台稳定合规运行。

5.内外部协同

对内与业务、产品、人工智能、解决方案等部门协作，理解业务需求并转化为技术解决方案，为业务决策提供数据支持；

对外对接技术供应商、云服务提供商，洽谈合作事宜，管控合作质量与验收流程，同时跟踪行业技术趋势，引入适配企业的新技术与资源。

岗位要求
<p>1.学历与专业背景<br>通常要求计算机科学、软件工程、数据科学、统计学等相关专业本科及以上学历。<br>2.工作与技术经验<br>一般需8-10年以上大数据相关工作经验，其中3年以上数据集建设或数据治理负责人岗位经验，主导过至少1个大型 AI 项目（大模型训练 / 多模态应用）数据集从0到1搭建经验。<br>（1）具备节能环保和双碳、互联网、智能制造等行业相关经验者优先，持有 CDMP、AWS 云数据认证等资质者加分。同时要精通 Hadoop、Spark、Flink、Hive 等主流大数据技术栈，熟悉分布式系统、云架构、容器化等技术，具备数据中台、数据治理及系统调优的实战能力​。<br>（2）精通数据治理方法论，熟悉数据湖、数据仓、Lakehouse 架构，掌握元数据管理（Apache Atlas）、数据质量工具（Talend、Informatica）或自研系统应用。​<br>（3）深入理解 AI 模型（LLM、Transformer、CNN 等）训练数据需求，具备多模态数据处理与跨模态对齐技术经验。<br>​（4）熟练掌握 Python 编程，熟悉 Scikit-learn、PyTorch/TensorFlow 等框架，具备数据建模、特征工程实战能力。​<br>（5）具备主数据管理（MDM）、数据资产管理平台（DAM）搭建或落地经验者优先。<br>3.综合能力素养<br>具备优秀的战略思维，能将技术规划与企业整体战略结合。<br>拥有较强的跨部门沟通协调能力和项目管理能力，可推动复杂项目落地。<br>此外还需具备创新意识，能敏锐捕捉大数据领域的技术趋势，带领团队实现技术创新与突破。<br>4.不存在影响聘用的有关情况。</p>