网商银行-BI FDE岗-AI方向

团队介绍 大模型时代，底层工程与上层消费的边界正在模糊——我们需要的不是单一技能栈的专家，而是能跨界面思考的人：既深入数据治理、建模与质量保障体系，也能站在业务视角设计数据的消费体验与服务界面。核心命题是：用 AI 重塑数据从生产到消费的全链路，让数据从"人查人用"走向"可被 Agent 调用、可被模型理解"的智能消费时代。 岗位职责

1. 01

   端到端数据解决方案：深入业务场景，从需求理解到方案设计到落地交付，打通数据生产、治理与消费的完整链路，借助 AI 能力实现端到端提效。

2. 02

   核心数据项目建设：参与 BI 核心数据架构设计与落地，在数据模型、指标体系和数据产品之间找到最优解。

3. 03

   业务理解与指标设计：快速理解业务逻辑，拆解指标体系，构建适配业务阶段的数据方案——不只建表，更要定义"业务怎么用数据。

4. 04

   AI-Native 数据资产管理：管理数据资产口径与场景，制定符合 AI 时代的数据规范，确保资产可被模型理解、可被 Agent 调用——让每一份数据资产既是仓库里的表，也是 Agent 可消费的能力。

5. 05

   AI 驱动的数据产品化：将大模型/Agent 能力引入数据工作——智能取数（Text2SQL）、智能问答（RAG+知识库）、指标归因、Agent 化工作流——推动数据服务从"被动响应"走向"智能交互"。

6. 06

   AI 工具与生产力：熟练使用 Claude Code / Codex / Agent 框架融入研发与产品工作流，将最佳实践推广至团队，推动团队整体 AI 化。

7. 07

   技术与产品演进：跟进行业趋势，关注 AI 时代数据建设新范式——从数据仓库到数据产品，从人看报表到 Agent 消费数据，始终保持对技术边界和产品形态的前沿思考。

1. 01

   本科及以上学历，3 年以上数据架构/数据开发/数据产品经验。

2. 02

   AI 应用（核心）：熟练使用 Claude Code/Codex/Cursor 等 AI 工具融入工作流；有智能取数、智能分析、异常归因等真实落地经历；有 Data Agent / Text2SQL 方向经验。

3. 03

   数据产品思维：不止于建表建仓，能站在业务用户视角思考数据的消费形态——懂指标体系怎么设计才"好用"，懂数据产品怎么演进才"可持续"，有从数据生产到数据消费的全局视角。

4. 04

   数据研发基础：有数仓建模与数据开发实战经验，理解维度建模和指标体系设计，熟练 HiveSQL/Python；理解 OneData 等数据治理方法论。

5. 05

   业务理解：快速梳理业务逻辑、拆解指标体系，构建适配性方案——能从"业务要什么"倒推"数据怎么建"。

6. 06

   沟通与推动：跨部门协同推进项目落地，能作为数据和业务之间的翻译层。 我们看重的特质： 大模型时代，专业能力的边界在加速模糊。我们看重的是： 你不给自己贴死标签——能钻底层技术，也能跳出来想产品形态和用户体验；你理解数据仓库的严谨，也理解数据产品的灵活，能在两者之间找到平衡；你习惯用 AI 做事，但不只把它当效率工具，而是思考"AI 会怎么改变数据工作的本质"；你对"数据怎么被消费"这件事有持续的思考和热情。 我们提供： 全栈视角：数据底座深度 + 业务应用贴近 + 产品设计思维，方案端到端落地。 AI 原生工作方式：AI 是核心生产力，不是附加项。 定义新范式的机会：统一全行数据口径与指标体系，在 AI 时代重新定义"数据该怎么被消费"——这件事的影响会贯穿每一个数据产品、每一次 Agent 调用。