滴滴资深数据治理工程师(JR20260611004)
任职要求
1、本科及以上学历,计算机、金融、数学等相关专业，5年以上工作经验。 2、熟悉数据治理理论及实践，具备互联网公司数据治理经验； 3、熟悉数据仓库，具备较强的数据分析能…
工作职责
1、大数据环境数据治理体系的方案规划与实施，确保数据质量和数据安全、数据标准化； 2、主导数据标准、元数据管理、数据安全改造、数据字典及更新机制； 3、数据环境融合方案规划、执行计划以及落地实施； 4、开展数据质量评估与监控，识别并解决数据问题； 5、数据成本预算和治理，有效利用大数据存储资源和计算资源，降本增效； 6、探索数据资产价值量化评估方法，并对数据资产价值量化评估与治理。 7、推动数据治理工具的应用，优化数据治理流程，提升数据资产价值。
1. 数据安全风险治理：负责指定方向的数据安全防护体系建设，全面识别该方向的数据安全风险，针对性的制定可落地的治理方案和整体防护体系；联动产研、业务、以及信安各团队，推动相关方案和体系落地及运转； 2 数据安全管理体系建设： 跟踪最新数据安全相关法律法规要求，持续优化内部数据安全管理及合规体系，与监管及检测机构积极沟通，确保数据安全合规； 3. 数据安全产品建设：参考业内实践及AI技术，制定数据安全风险治理产品规划，协同产研团队，建设数据安全风险治理量化平台 。
负责制造业 AI 数据基座 的工程化建设与落地，实现从数据采集、治理、加工到 AI Ready 数据服务的全链路，支撑领域大模型及其他 AI 应用的落地。 1、数据预处理与质量提升 1.1 设计自动化数据清洗、异常检测、缺失补全、去噪与归一化流程 1.2 开发 多模态数据解析与对齐 工具链（CAD 文件解析、工业图像与工艺文本对齐、传感器信号同步） 1.3 建立持续化数据质量监控与回溯机制，确保训练数据的稳定性与一致性 2、AI 数据加工与标注 2.1 搭建和维护数据标注平台（CVAT、Label Studio 等），并实现批量标注自动化 2.2 开发数据增强、弱监督、半监督等 AI 数据扩充方法，提高数据多样性与泛化能力 2.3 支持合成数据（Synthetic Data）生成与验证 3、特征工程与向量化处理 3.1 开发特征提取、Embedding 生成与向量化存储（Milvus、FAISS、Pinecone 等） 3.2 建设 Feature Store，为大模型训练、RAG（检索增强生成）与实时推理提供高质量特征数据流 4、数据服务化与API开发 4.1 构建标准化数据 API、特征查询接口及实时数据流服务，供算法与应用调用 4.2 优化数据访问性能、扩展性与安全性，支持高并发 AI 场景
1、数据标注：对文本、图像、语音等数据进行标注。包括使用标注工具对各类数据进行标记和清理，确保标注结果的准确性和合格率； 2、数据清洗和整理：负责根据产品需求进行相关数据的清洗和整理工作，如客户信息、用户行为等，保证数据的准确性和完整性； 3、数据质量监督：对数据质量进行监督，发现异常问题及时解决处理，确保数据的准确性和可靠性； 4、数据转换：负责将原始数据转换为可执行的格式，配合产品经理完成相关分析报表制作及报告撰写； 5、工具使用和维护：熟悉并使用数据标注工具，理解标注规则，根据培训和实际工作要求改进工作方法。协助完善标注工具，建立词库，定期提交工作报告； 6、根据数据标注经验开发自动化脚本或利用其它工具提升工作效率（高阶要求，不强制具备）。
1、数据标注：对文本、图像、语音等数据进行标注。包括使用标注工具对各类数据进行标记和清理，确保标注结果的准确性和合格率； 2、数据清洗和整理：负责根据产品需求进行相关数据的清洗和整理工作，如客户信息、用户行为等，保证数据的准确性和完整性； 3、数据质量监督：对数据质量进行监督，发现异常问题及时解决处理，确保数据的准确性和可靠性； 4、数据转换：负责将原始数据转换为可执行的格式，配合产品经理完成相关分析报表制作及报告撰写； 5、工具使用和维护：熟悉并使用数据标注工具，理解标注规则，根据培训和实际工作要求改进工作方法。协助完善标注工具，建立词库，定期提交工作报告； 7、根据数据标注经验开发自动化脚本或利用其它工具提升工作效率（高阶要求，不强制具备）。