"1. 数据中台规划与定义 负责构建“端-边-云”一体化的数据产品架构。不仅仅是云端平台，还需定义车载边缘端的数据过滤策略（如：只上传触发告警前后的高价值数据），以平衡存储成本与数据价值。 规划多租户数据隔离体系，确保不同项目公司（如A街道B街道）的数据在逻辑上隔离，同时支持集团层面的全域数据聚合分析。 2. 数据体系构建 建立异构协议统一标准。针对新石器、高仙、九识等不同厂商的私有协议，设计统一的“中间层数据模型”，实现状态码、错误码、控制指令的标准化映射。 负责时空数据治理。解决多源地图坐标系（WGS84/GCJ02/UTM）混用问题，构建基于H3/GeoHash的高效空间索引机制，支撑毫秒级的电子围栏判定和路径规划。 3. 模型训练支撑 设计自动化数据挖掘流程。产品化定义“什么是需要的数据”，“什么是坏数据”（如：雨雪天、传感器遮挡、鬼探头），自动将这些场景数据推送到标注平台，反哺优化感知算法。 建设数据集版本管理功能。支持算法团队对不同版本的训练集进行回溯、对比，确保模型效果的可复现性。 4. 跨团队协作 充当“算法-工程翻译官”。将算法团队对数据的数学需求（如：点云密度>100线、帧率>10Hz），转化为车辆采购的技术指标和工程团队的开发需求。 负责外部监管对接。主导与政府侧（如住建部ICM、公安交管平台）的数据对接工作，确保数据上报符合国家《数据安全法》及测绘合规要求。 5. 产品生命周期管理 建立数据成本控制模型。监控冷热数据的存储比例，制定自动归档和删除策略，在保证算法训练需求的前提下，将云资源成本降低。"

"1. 硬性门槛 专业背景：计算机、自动化、GIS、数学统计等相关专业，本科及以上学历。 核心经验：5-8年互联网/物联网产品经验。 其中必须包含 3年以上 自动驾驶、车联网（IoV）、机器人平台或AI数据中台（MLOps）的实战经验。 技术理解力： 懂车：理解CAN总线、Rosbag、Protobuf、MQTT协议。 懂地：熟悉GIS地理信息系统，理解高精地图（HD Map）与SLAM建图原理。 懂数：熟悉Hadoop/Spark/Flink大数据生态，了解ClickHouse等实时数仓特性。 2. 加分项 (Preferred) 有L4级自动驾驶公司（如Momenta/Pony/Waymo）数据平台工具链设计经验者优先。 有千万级设备接入（IoT）平台的高并发处理经验者优先。 熟悉数据标注平台设计，了解2D/3D点云标注流程者优先。"