AI：数据建模架构师/AI(J10566)

顶层设计与规划 - 与业务部门、业务系统部门、数据开发人员密切协作，进行数据中台数据模型体系的设计规划，制定符合公司发展节奏的模型建设路线图。 - 设计并推行公司级数据分层架构（如数据主题域、公共层、应用层）。 - 制定和推广数据建模规范、标准、流程与最佳实践。 核心模型建设 - 根据业务输入，进行跨业务域的关键主题域模型设计（如制造WIP/机台/良率等）。 - 基于维度建模、Data Vault等方法论，设计高内聚、低耦合、可扩展的明细层、汇总层模型。 - 负责关键业务实体的主数据、一致性维度的设计与落地。 - 设计与数据模型相匹配的高效ETL/ELT数据处理流程。 数据建模治理 - 为数据开发团队提供建模指导、评审和培训，提升团队整体建模能力，确保数据模型在数据仓库、数据湖、实时数仓等平台的高效落地。 - 配合开发实现模型血缘、影响分析和数据资产地图规范数据治理，提升数据透明度和可管理性。

• 学历与经验：计算机、数学、统计学等相关专业本科及以上学历，5年以上数据仓库/数据平台数据建模相关经验，其中至少2年作为架构师或负责人主导过大型数据中台的数据模型建设。 - 精通数据建模理论： 深刻理解并熟练运用维度建模（Kimball）、范式建模（Inmon）、Data Vault 2.0等至少一种主流建模方法论，并能灵活应用于实际场景。 - 丰富的数据中台/数据仓库实战经验： 完整参与过从0到1或重大升级的数据中台/数据仓库项目，清晰了解各数据分层（ODS、DWD、DWS、ADS）的设计目标与差异。 - 扎实的技术基础： 熟练使用SQL，熟悉至少一种主流MPP数据库或大数据组件（如Dataworks、Iceberg、Doris、Starrocks等）。 - 在半导体制造领域有相关业务模型设计经验者，优先考虑。