數(shù)據(jù)治理架構(gòu)師-外派吉利

1、數(shù)據(jù)治理體系建設(shè)：
從0到1搭建符合制造業(yè)特點的數(shù)據(jù)治理框架，涵蓋數(shù)據(jù)標(biāo)準(zhǔn)管理、數(shù)據(jù)質(zhì)量管理、元數(shù)據(jù)管理、主數(shù)據(jù)管理、數(shù)據(jù)安全管理等核心領(lǐng)域。
制定并發(fā)布全公司統(tǒng)一的數(shù)據(jù)管理制度、流程規(guī)范，并推動在各部門落地執(zhí)行。
2、數(shù)據(jù)標(biāo)準(zhǔn)與主數(shù)據(jù)管理：
牽頭梳理公司核心業(yè)務(wù)對象（如物料、產(chǎn)品BOM、設(shè)備、供應(yīng)商、客戶）的主數(shù)據(jù)標(biāo)準(zhǔn)，解決“一物多碼”、“同名異物”等歷史遺留問題。
針對電驅(qū)、電控、電機行業(yè)特性，建立標(biāo)準(zhǔn)化的技術(shù)參數(shù)指標(biāo)字典（如功率、扭矩、轉(zhuǎn)速、防護等級等），確保不同系統(tǒng)間數(shù)據(jù)口徑一致。
3、數(shù)據(jù)質(zhì)量管理：
設(shè)計并落地數(shù)據(jù)質(zhì)量監(jiān)控體系，定義完整性、準(zhǔn)確性、一致性、及時性等質(zhì)量規(guī)則。
開發(fā)數(shù)據(jù)質(zhì)量稽核腳本，對核心數(shù)據(jù)資產(chǎn)進行常態(tài)化巡檢，及時發(fā)現(xiàn)并推動修復(fù)數(shù)據(jù)問題。
建立數(shù)據(jù)質(zhì)量問題閉環(huán)處理流程，形成“發(fā)現(xiàn)問題-分析根因-推動解決-效果評估”的良性循環(huán)。
4、元數(shù)據(jù)管理：
構(gòu)建企業(yè)級元數(shù)據(jù)倉庫，實現(xiàn)技術(shù)元數(shù)據(jù)（庫表結(jié)構(gòu)）、業(yè)務(wù)元數(shù)據(jù)（業(yè)務(wù)含義）和管理元數(shù)據(jù)（責(zé)任人、血緣關(guān)系）的集中管理。
建設(shè)數(shù)據(jù)血緣分析能力，支持問題數(shù)據(jù)的影響面分析和根因追溯，為AI Agent提供可信的數(shù)據(jù)來源證明。
5、數(shù)據(jù)安全與合規(guī)：
制定數(shù)據(jù)分級分類標(biāo)準(zhǔn)，對不同敏感級別的數(shù)據(jù)（如核心工藝參數(shù)、客戶信息、財務(wù)數(shù)據(jù)）實施差異化的安全管控策略。
配合法務(wù)和IT安全團隊，落實《數(shù)據(jù)安全法》、《個人信息保護法》等相關(guān)法規(guī)要求。
6、數(shù)據(jù)治理平臺建設(shè)：
規(guī)劃并推動數(shù)據(jù)治理工具/平臺的選型與落地（如數(shù)據(jù)質(zhì)量管理平臺、數(shù)據(jù)標(biāo)準(zhǔn)管理平臺、數(shù)據(jù)資產(chǎn)管理平臺），提升治理工作的自動化水平。

任職資格1、學(xué)歷與經(jīng)驗：
本科及以上學(xué)歷，計算機、信息管理、數(shù)學(xué)或相關(guān)理工科專業(yè)。5年以上數(shù)據(jù)治理/數(shù)據(jù)管理相關(guān)工作經(jīng)驗。
優(yōu)先考慮： 有制造業(yè)、特別是裝備制造或汽車零部件行業(yè)經(jīng)驗者；有參與過大型企業(yè)數(shù)據(jù)治理從0到1建設(shè)經(jīng)驗者。2、專業(yè)能力：
2、方法論掌握： 深入理解DAMA（國際數(shù)據(jù)管理協(xié)會）數(shù)據(jù)管理體系或DCMM（數(shù)據(jù)管理能力成熟度評估模型），熟悉數(shù)據(jù)治理各領(lǐng)域的核心理論和實踐。
數(shù)據(jù)質(zhì)量管理： 熟悉數(shù)據(jù)質(zhì)量六性標(biāo)準(zhǔn)，有實際的數(shù)據(jù)質(zhì)量稽核和問題推動經(jīng)驗。
主數(shù)據(jù)管理： 熟悉制造業(yè)核心主數(shù)據(jù)（物料、BOM、設(shè)備等）的管理流程和常見問題解決方案。
元數(shù)據(jù)與血緣： 理解元數(shù)據(jù)管理價值，有數(shù)據(jù)血緣解析和可視化經(jīng)驗者優(yōu)先。
技術(shù)能力： 熟練使用SQL，熟悉大數(shù)據(jù)生態(tài)組件（Hadoop, Hive, Spark）者優(yōu)先；有數(shù)據(jù)治理工具（如Atlas, DataHub, Collibra, 國內(nèi)廠商產(chǎn)品）使用經(jīng)驗者優(yōu)先。
3、軟性素質(zhì)：
跨部門推動力： 數(shù)據(jù)治理本質(zhì)是管理問題而非純粹的技術(shù)問題。需要具備極強的溝通協(xié)調(diào)能力，能推動業(yè)務(wù)部門（研發(fā)、生產(chǎn)、供應(yīng)鏈）配合執(zhí)行數(shù)據(jù)標(biāo)準(zhǔn)。
業(yè)務(wù)理解力： 能夠快速理解電驅(qū)、電控產(chǎn)品的研發(fā)流程和生產(chǎn)邏輯，將業(yè)務(wù)語言轉(zhuǎn)化為數(shù)據(jù)標(biāo)準(zhǔn)。
耐心與原則： 面對海量歷史數(shù)據(jù)和復(fù)雜業(yè)務(wù)現(xiàn)狀，既要堅持治理原則，又要具備解決現(xiàn)實問題的靈活性。
4、加分項
有數(shù)據(jù)治理相關(guān)認證（如CDMP、DCMM評估師）者優(yōu)先。
熟悉AI/機器學(xué)習(xí)對數(shù)據(jù)質(zhì)量的要求，有支撐AI應(yīng)用數(shù)據(jù)治理經(jīng)驗者優(yōu)先。
有數(shù)據(jù)中臺建設(shè)經(jīng)驗者優(yōu)先。

面試信息