1、研发数据体系构建与治理： 1）负责公司研发数据治理体系的顶层设计与落地，包括数据标准、数据质量、数据应用体系的搭建与落地。 2）负责研发指标数据治理，负责推动核心指标的定义、口径统一及数据管理。 3）设计数据权限管理机制与流程，制定IPD数据资产分级分类策略，保障数据资产的安全、合规使用。 2、数据质量与底层架构优化： 1）推动研发主数据（如物料清单BOM、物料、工艺路线等）治理，打通PLM、MES、ERP、SCADA等系统间数据孤岛，提升数据的完整性、准确性与实时性。 2）设计研发数据质量监控体系，制定数据清洗、校验及修复流程，形成长效治理机制，确保生产现场数据与研发设计数据的一致性。 3、数据赋能业务决策： 1）构建“数据采集-分析-洞察-行动”的机制，支持产品研发选型、生产排程优化、质量异常根因分析、设备预测性维护等关键业务场景。 2）协同信息化团队推进研发数据BI看板及AI应用建设，提升研发创新效率。 3）参与公司变革项目，主导数据方案设计，协同推进变革项目落地。

1、经验要求： 1）8年以上数据治理或制造业、半导体行业数字化相关经验，具备大型集团企业完整的研发数据体系搭建或优化提升经验。 2）深度参与过BOM数据标准化、工艺参数治理、主数据管理或数据治理项目，有可验证的落地成果。 3）熟悉IPD研发流程，能通过数据治理反哺工艺改进与产品迭代。 2、专业能力： 1）精通数据治理框架，熟悉工业大数据建模、指标体系建设及数据管理方法论。 2）掌握数据权限管理、数据脱敏技术及合规要求，熟悉PLM等研发系统，熟练使用SQL、Python等工具进行数据分析。 3）具备与信息化团队协作开发数据产品的经验。 3、核心特质： 1）对数据治理有强烈热情，具备系统性思维，能平衡研发创新敏捷性与数据规范性。 2）出色的跨部门协调与影响力，能推动研发、工艺、生产、设备等跨领域团队达成数据治理共识。 3）有半导体、汽车制造、高端装备等行业背景的优先考虑。 4、特别优秀者可放宽要求。