IT高级经理/副总监(J19863)

一、AI 时代数据能力建设（核心）

1. 主导 ChatBI / 问数能力的落地：设计语义层与指标口径，让业务人员用自然语言直接获取准确数据；负责准确率评测、口径治理与持续迭代。

2. 推动 AI 自动化 ETL：用 AI 辅助完成数据接入、清洗、转换与调度脚本的生成与维护，显著缩短从需求到数据就绪的周期。

3. 建设 AI 生成 Dashboard 与分析报告的能力：从需求描述到可用看板的快速交付，沉淀可复用的看板设计规范与组件库。

4. 探索 AI 辅助数据建模（维度模型 / 语义模型的自动生成与校验）及 LLM 驱动的数据洞察，形成可复制的方法与工具链。

二、现代数据平台规划与演进

1. 持续跟踪 Databricks、Snowflake、Lakehouse、dbt、Data Mesh 等前沿数据平台与理念，结合公司现状（数据量、合规、成本）做选型判断与演进路线设计。

2. 主导数据平台的架构升级与迁移方案，评估云原生数据平台在合规（数据跨境、GxP）与成本约束下的可行路径。

3. 建立数据开发的工程化规范：版本管理、测试、CI/CD、血缘与文档化，用 dbt 类工具提升数据转换层的可维护性。

三、机器学习与高级分析（Advanced Analytics）

1. 识别并落地业务价值明确的数据科学场景，把分析从「发生了什么」推进到「为什么、将会怎样、该怎么做」，例如：销售与需求预测、库存与供应计划优化、医生 / 客户分群与价值评估、市场准入与定价模拟、生产工艺参数与偏差分析、临床入组进度预测等。

2. 端到端负责机器学习项目：问题定义、特征工程、模型训练与评估、上线部署、效果监控与迭代，建立轻量可持续的 MLOps 实践（实验追踪、模型版本、监控告警）。

3. 引入统计推断、实验设计（A/B 测试）与因果分析方法，提升业务分析结论的严谨性，避免用相关性冒充因果。

4. 把模型结果转化为业务能理解、能行动的输出：可解释性说明、业务规则、嵌入看板或业务系统的决策建议；沉淀可复用的特征库与建模模板。

四、传统 BI 交付与业务支持

1. 对接各业务线及管理层的数据需求，负责需求分析、优先级排序、方案设计与交付管理，保障重点 BI 项目按期高质量上线。

2. 亲自完成复杂业务场景的数据分析与洞察，输出有业务价值的分析结论。

3. 建设并优化 BI 报表与可视化体系（FineBI / Power BI / Tableau 等），提升可读性、易用性与使用率。

五、数据治理与体系建设

1. 负责公司指标体系的建设与维护：统一指标定义、口径与计算逻辑，这也是 ChatBI 准确率的地基。

2. 统筹 DataHub / 元数据管理、数据质量监控、数据血缘与数据资产目录建设，建立质量评估标准与改进机制。

3. 推动主数据与数据标准落地，保障数据资产的一致性、完整性与可追溯性。

一、基本要求

1. 本科及以上学历，计算机、数据科学、统计学、数学等相关专业优先。

2. 6 年以上数据相关工作经验，其中 2 年以上带团队或作为技术负责人独立主导数据平台 / BI 项目的经验。

3. 对数据在业务中的应用有深刻理解，能把业务问题翻译成数据方案。

二、AI 与前沿数据平台能力（硬性要求）

1. 有 ChatBI / NL2SQL / 问数产品的实际落地经验，理解语义层、指标口径治理对准确率的决定作用，能设计评测与迭代机制。

2. 有用 AI（LLM、Coding Agent 等）辅助或自动化 ETL 开发、Dashboard 生成、数据建模的实践经验，能说清具体收益与踩过的坑。

3. 熟悉 Databricks、Snowflake 等现代数据平台中至少一种，理解 Lakehouse、Delta / Iceberg、Data Mesh 等架构理念，并有选型或落地判断能力。

4. 熟悉 dbt 等数据转换与工程化工具，理解数据开发的版本管理、测试与血缘实践。

5. 熟练使用 AI 编程工具（Claude Code、Cursor、Copilot 等）提升个人与团队交付效率。

三、机器学习与高级分析能力（硬性要求）

1. 有 2 个以上机器学习项目从建模到上线并产生业务效果的完整经验（预测、分类、聚类、时间序列、优化任一方向），能说清业务问题定义、模型选择理由、上线后的效果与迭代。

2. 扎实的统计学功底：假设检验、回归分析、时间序列分析，理解实验设计与因果推断的基本方法（A/B 测试、DID、倾向得分匹配等）。

3. 熟练使用 Python 数据科学生态（pandas、scikit-learn、XGBoost / LightGBM、statsmodels 等），熟悉特征工程与模型评估方法，了解模型可解释性工具（如 SHAP）。

4. 了解 MLOps 基本实践（MLflow 等实验追踪、模型部署与监控），有 Databricks ML / Snowflake ML 或同类平台使用经验者优先。

5. 有医药行业销售预测、需求预测、客户分群、真实世界数据分析或生产工艺数据建模经验者优先。

四、传统 BI 与数据治理能力（硬性要求）

1. 精通 SQL，熟练掌握 Python，具备扎实的数据处理与分析功底。

2. 熟悉主流系统的数据源表结构，比如 SAP 等。

3. 精通维度建模（Kimball 等）与数仓分层设计，有从 0 到 1 搭建指标体系的经验。

4. 熟练掌握主流 BI 工具（FineBI、Power BI、Tableau 至少一种），具备看板设计与可视化优化能力。

5. 熟悉数据治理体系（指标规范、数据质量、元数据 / 血缘、主数据），有 DataHub 或同类元数据平台建设经验者优先。

6. 熟悉 ETL / 调度工具（Kettle、Dataphin、Airflow 等），有 Greenplum 或同类 MPP 数仓经验者优先。

五、管理与协作

1. 具备团队管理与项目管理能力，能亲自动手并带团队交付，管控进度、质量与风险。

2. 沟通协调能力强，能高效对接业务与管理层需求，推动跨部门落地。

六、软性素质

1. 业务理解力强，能快速洞察业务痛点，把数据与 AI 能力和业务深度结合。

2. 结果导向、执行力强，能在小团队、多需求的环境下抓重点、快交付。

3. 对 AI 与数据技术有持续学习的热情，主动尝试新工具并沉淀为团队方法。

4. 良好的职业素养与团队协作精神。

其他信息

• 语言要求：普通话 + 英语（需与海外团队及供应商沟通）

• 行业要求：生物医药 / 医药行业优先