数据管理：负责所有生产数据的收集、整理和整合，包括原料检验、过程控制、成品测试、环境监测、变更控制和其他质量数据
建立统一的数据模型和数据质量监控，以满足ALCOA+要求
建立生产/质量过程可视化与监控系统，对工艺和质量进行深入数据分析，设计和维护SPC图、控制限、CP/CPK指标和报警规则，进行趋势分析、偏差识别和工艺能力评估，准确定位工艺和质量操作问题及波动趋势，为工艺稳健性评估、工艺能力监控、工艺优化、工艺验证、可比性研究、质量改进和异常调查等核心任务提供决策支持
可视化与报告：构建生产和质量数据的可视化仪表板，实时监控生产运营和质量控制的关键指标，并向生产、质量和管理层清晰地传达见解和建议
跨部门协作：与生产、QA/QC、工程、IT等部门合作，推动数据项目的实施和大规模复用
精通使用各种AI工具，构建适应生物制药生产场景的数据处理模型
优化数据处理和分析流程
提高数据处理效率和分析准确性，实现数据的智能分析和应用
技术优化与方法迭代：持续优化数据分析方法和数据治理工作流程，紧跟行业先进的数据科学技术和分析工具
提高数据分析的效率和准确性，促进生产流程的数字化升级
AI和数据科学赋能制造：通过AI和数据驱动的洞察，帮助公司实现生产的数字化和精细化管理，为质量合规、成本优化、产能和效率提升提供决策支持