中国平安
知识库运营岗
知识库运营岗
发布于 大约 17 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
数据分析
SQL
AI产品
内容运营
智能客服
知识库运营
券商业务
智能投顾
向量知识库
AI 估算 · 15k–25k
深圳大厂运营岗，需要券商行业知识和AI产品对接经验，薪资有竞争力，中位数2万/月，15薪。
职位详情
关于这个职位
该职位负责中国平安券商场景下向量知识库的内容建设与运营，包括知识体系梳理、优化及AI应用落地
你将对接AI产品团队，参与知识库的构建、优化及在智能客服、智能投顾等场景中的效果提升，同时通过数据分析驱动知识库迭代，降低转人工率
适合有券商行业经验或知识库运营经验，希望向AI+金融方向发展的求职者
最低要求
本科及以上学历，具备2年及以上知识库建设与维护相关经验
熟悉券商各类业务（如经纪、两融、投资银行、资产管理等），了解相关业务流程和监管要求
具备优秀的跨部门沟通协调能力和项目推进能力
学习能力强，能够快速掌握券商行业知识和相关业务系统，具备较强的业务诊断能力
具备扎实的数据分析能力，熟练使用Excel、SQL等工具
具备良好的逻辑思维能力和文档编写能力
工作职责
负责券商场景下向量知识库的内容建设与运营，包括券商各业务线知识体系的梳理、整合与优化，提升知识库的准确性和实用性
对接AI产品开发团队，参与向量知识库的构建与优化，包括知识抽取、结构化处理、向量化存储等技术实现
深入理解券商各类业务场景，负责知识库在智能客服、智能投顾等场景中的应用落地与效果优化
持续优化知识库的展现形式，提高知识库的使用效率和用户体验，降低转人工比例，提升服务满意度
对用户反馈数据进行深度分析，挖掘用户需求，形成运营报告，指导知识库优化和产品迭代
负责券商相关知识的培训输出，提升团队成员的专业能力和业务水平
参与券商其他业务场景的知识库建设与维护，支持公司业务发展
优先资格
有券商行业从业经验者优先
具有券商行业知识图谱构建、智能客服或智能投顾项目经验者优先
AI 洞察
优缺点分析
- 中国平安作为金融科技巨头，平台稳定，资源丰富，能接触前沿的AI知识库技术
- 职位融合业务与AI，成长空间大，可积累券商行业深度知识和AI产品经验
- 深圳总部办公，薪资福利有竞争力，且公司注重内部培训，有较好的学习氛围
- 券商业务复杂，需要快速学习并掌握大量专业知识，初期上手压力较大
- 跨部门协作频繁，需较强的沟通能力和推动力，可能面临多方需求平衡的难题
- 知识库运营效果依赖数据分析和内容质量，对细节和逻辑性要求高，工作强度不低
- 适合有2年以上知识库或内容运营经验，对金融科技感兴趣，乐于与AI产品团队协作，且具备数据分析能力的求职者
角色解读
- 可向AI产品经理方向发展，深入参与智能客服、智能投顾等AI产品的设计与迭代
- 也可向数据运营或知识管理专家转型，积累行业Know-how，成为金融科技领域复合型人才
- 在平安这类大平台，有机会接触前沿技术如向量数据库、LLM等，未来可转向技术型产品岗位
- 负责券商知识库的内容建设，梳理并整合各业务线知识体系，确保准确性和实用性
- 与AI产品团队协作，参与向量知识库的构建和优化，包括知识抽取、结构化处理和向量化存储
- 推动知识库在智能客服、智能投顾等场景中的落地，通过数据分析持续优化用户体验，降低人工服务比例
- 输出运营报告，基于用户反馈数据指导产品迭代，并负责团队内部知识培训
- 熟悉券商业务（经纪、两融、投行等）及监管要求，具备行业知识
- 扎实的数据分析能力，熟练使用Excel和SQL，能通过数据驱动决策
- 优秀的跨部门沟通和项目推进能力，能高效协调AI产品与业务团队
- 逻辑清晰，文档编写能力强，能清晰表达业务需求和技术方案
申请策略
- 了解平安的金融科技战略，面试时展现对AI+金融场景的思考和兴趣
- 准备好1-2个完整知识库运营案例，详细说明从问题发现到优化落地的闭环过程
- 突出知识库建设与运维的具体项目经验，包括使用的工具、方法论和效果数据
- 强调券商或金融行业背景，尤其在经纪、两融、投行等业务线的知识梳理经验
- 展示数据分析能力，列举用Excel/SQL处理用户反馈、优化运营策略的实际案例
- 提及与AI产品团队协作的经历，特别是智能客服或智能投顾相关项目的贡献
- 提前学习向量知识库的基础概念和常用工具，如Elasticsearch、Milvus或Pinecone
- 熟悉券商基本业务流程和监管要求，可通过学习证券从业资格考试教材快速入门
面试指南
- 对业务问题类问题，采用STAR法则（情境-任务-行动-结果），量化成果
- 对技术理解类问题，先解释概念再结合自身经验，体现学习能力和行业洞察
- 对协作类问题，强调沟通技巧和换位思考，展示推动多方达成共识的能力
- 请讲述一个你主导的知识库优化项目，你是如何梳理知识体系并提升准确率的？
- 你如何理解向量知识库？它与传统知识库的区别和优势是什么？
- 如果智能客服的转人工率偏高，你会如何通过知识库运营来降低？
- 你用过哪些数据分析工具？请举例说明如何通过数据驱动知识库迭代
- 你如何与AI产品团队协作？当业务方和开发团队意见不一致时，你怎么办？
匹配度报告
66
综合匹配度
大厂金融科技岗，前沿技术栈，成长空间大，但WLB一般，薪资未明确。
适合人群
适合追求技能成长、愿意在金融科技领域深耕的求职者，对工作和生活平衡要求较高者需谨慎考虑。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展85
工作生活50
使命价值60
薪资福利匹配
70中等
平安作为大厂，薪资水平在深圳有竞争力，但JD未明确薪酬与福利，需面试确认。
薪资信号未披露 (15K-25K/月)
成长发展匹配
85较高
职位涉及前沿的向量知识库和AI应用，能深度参与金融科技项目，技能成长快，但未明确晋升通道。
技术前沿前沿/新兴技术
技术栈向量知识库、AI产品、智能客服、智能投顾
业务类型profit_center
工作生活匹配
50较低
深圳上班地点较好，但JD未提及弹性工作或远程，行业属性下可能有一定加班。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
60中等
金融科技行业增长快，但职位偏向内部运营，社会影响力一般。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs