1. 数据架构规划与实施 负责数据平台架构设计，建⽴从原始数据到特征数据的全流程标准； 优化数据流转、同步与更新机制，确保系统的稳定性、可扩展性与成本效率。 2. 数据采集与整合 设计与维护多源数据接⼊（API、爬取、⽂件批量导⼊等）； 负责供应商或外部数据源的技术对接、格式转换与数据验证。 3. 数据清洗与质量管理 建⽴⾃动化的数据清洗、校验和异常监控机制； 招聘需求 1 设计数据标准化流程（⽇期、时区、单位、ID匹配等），保证数据⼀致性与可追 溯性。 4. 特征⼯程与数据加⼯ 建⽴特征⽣成与管理体系（版本控制、时间窗⼝、延迟期、可复现性）； 与建模团队协作，优化特征设计及数据交付效率。 5. 数据平台与基础设施 规划并管理数据存储、备份、权限、安全与合规； 参与数据集群、管道调度、数据湖或数仓的设计与维护。 6. 团队建设与管理 招聘、培养并带领数据⼯程师团队； 制定研发规范与流程，推动代码质量与团队协作效率提升。

技术能⼒ 精通 Python 与 SQL，熟悉主流数据库与分布式计算框架（如 Spark、 ClickHouse、Presto、Flink 等）； 熟悉 数据编排⼯具（Airflow、Prefect、Argo等）与任务调度机制； 了解 云端与容器化环境（AWS、GCP、K8s、Docker）； 具备数据质量管理与⾃动化测试经验（如 Great Expectations、Soda、⾃研框架 等）； 理解时间序列数据与特征滞后处理，熟悉版本化数据管理与数据契约概念； 具备基础的Linux、Git、CI/CD 流程知识。 经验背景 5年以上数据⼯程或数据平台搭建经验； ⾄少2年技术团队管理或项⽬负责⼈经验； 有复杂系统中构建⾼可⽤数据架构的成功案例； 招聘需求 2 熟悉多源异构数据治理与数据合规（隐私、版权、使⽤协议等）。 个⼈特质 强执⾏⼒与问题导向，能独⽴解决模糊环境下的复杂问题； 既有战略思维，⼜愿意亲⾃编程和调试； 注重质量、稳定性与⼯程可复现性； 善于跨部门沟通，能与算法、运维、业务等多⽅⾼效协作。 加分项（可选但强烈欢迎） 有AI / NLP / ⼤模型 / 推荐系统 / ⻛控 / 科研数据等项⽬经验； 熟悉 特征商店（Feature Store）、数据湖（Data Lake）、数据契约（Data Contract） 实践； 对数据可观测性（data observability）、特征漂移（drift）、数据版本化等有实战经 验； 有创业⼼态，愿意在⾼标准与⾼⾃由度的环境中搭建从0到1的体系。