1，数据标准体系建设 1.1，制定企业级数据标准（主数据/业务数据/物联网数据），定义数据分类、编码规则及元数据管理规范。 1.2，主导历史数据清洗与标准化（覆盖BOM/工艺参数/设备运行数据等制造业核心数据）。 2，全生命周期数据管理 2.1，设计数据质量监控体系（完整性/一致性/时效性），开发自动化校验工具与数据血缘图谱。 2.2，实施数据安全分级（基于ISO27001），制定敏感数据加密与访问控制策略。 3，数据资产开发 3.1，构建制造业主题数据仓库（如设备健康度主题库/供应链风险主题库），支撑智能分析场景。 3.2，具备开发数据服务API（如实时OEE计算接口/库存预警接口）能力。 4，跨系统数据协同 4.1，解决多系统数据孤岛问题，设计数据同步机制，解决信息流与实物流协同问题。 4.2，制定数据治理路线图，推动业务部门落实数据责任制。

1，计算机/数据科学专业本科以上，3年以上制造业数据治理经验（汽车/机械行业优先） 2，精通DAMA数据管理框架，持有CDMP/CISP-DG等认证优先 3，熟练使用数据治理工具及SQL/Python 4，数据架构设计能力：能设计符合ISA-95标准的数据分层模型（从边缘层到分析层） 5，业务翻译能力：将设备振动频率数据异常转化为轴承寿命预测需求 6，工程化能力：开发自动化数据质量检测脚本 7，熟悉制造业典型数据痛点（如工艺参数记录缺失导致AI训练数据不足） 8，了解工业数据特性（时序数据/高维度数据/非结构化数据）