数据治理工程师（ AI 数据治理方向）

1. 参与公司数据治理体系建设，协助完善数据治理机制、流程、标准和规范，推动数据治理工作落地。

2. 围绕会员、商品、门店、供应链、订单、库存、价格、营销、客服/客诉等零售核心业务域，开展数据标准、主数据、元数据、数据质量、指标口径和标签体系建设。

3. 梳理跨系统、跨部门的数据定义、来源、编码规则、使用口径和上下游关系，推动核心数据口径统一。

4. 建设和运营数据质量管理机制，制定数据质量规则，推动质量监控、问题定位、整改跟踪和复盘评估。

5. 参与数据资产目录、数据字典、数据血缘、数据分级分类、数据权限和安全合规管理。

6. 支撑经营分析、会员运营、商品管理、门店运营、供应链协同、营销活动评估、顾客反馈分析等业务场景。

7. 面向 AI 应用场景，参与商品知识、活动规则、客服话术、门店 SOP、业务文档、客诉记录等数据和知识的整理、清洗、分类、标签、权限和质量管理。

8. 结合 AI 工具提升数据治理效率，探索使用大模型辅助数据字典生成、字段识别、指标口径解释、质量规则推荐、异常数据发现和治理知识问答。

9. 围绕业务需求开展需求分析和方案设计，输出数据治理方案、数据字典、指标口径说明、质量规则清单、流程规范和验收标准，并协同业务、产品、研发、算法团队推动落地

1. 本科及以上学历，数据科学、统计学、数学、计算机、信息管理、商业分析等相关专业优先。

2. 3 年以上数据治理、数据仓库、数据中台、主数据、数据质量、数据产品或数据分析相关经验。

3. 熟悉数据标准、主数据、元数据、数据质量、数据资产、数据血缘、指标体系、标签体系等数据治理方法。

4. 熟悉 SQL，理解数据库、数据仓库、ETL/ELT、BI、数据接口等基础技术。

5. 具备较强业务理解能力，能把业务问题转化为数据标准、指标口径、质量规则和系统需求；有零售、电商、本地生活、快消、供应链、会员运营经验优先。

6. 对会员、商品、品类、门店、供应商、价格、库存、订单、营销、客服等零售业务数据有理解者优先。

7. 具备基础 AI 认知，了解大模型、RAG 知识库、智能体、数据标注、标签体系、评测集等概念；有 AI 导购、智能客服、企业知识库、智能搜索推荐、自然语言取数等项目经验优先。

8. 具备 AI 数据治理意识，理解 AI 应用对数据质量、知识边界、引用来源、权限控制和问题反馈闭环的要求。

9. 具备数据安全和隐私保护意识，理解会员数据、交易数据、敏感数据的分级分类、脱敏、权限控制和合规使用要求。

10. 沟通协同能力、文档能力和项目推进能力强，能推动业务、产品、技术、算法、运营多方协作落地。

加分项

有零售企业商品主数据、会员标签、SCRM/CDP、供应链中台、数据中台、数据资产平台或数据治理平台建设经验。

参与过 AI 导购、智能客服、RAG 知识库、企业智能问答、智能推荐、智能选品/补货/定价等项目。

能使用数据质量工具、BI 工具、Python 或大模型工具进行基础分析、规则验证、数据治理辅助或原型验证。

有跨部门项目推进经验，能从业务痛点出发设计“数据治理 + 数据应用 + AI 应用”的落地方案