中国平安
信息安全工程师-IT合规岗
信息安全工程师-IT合规岗
发布于 大约 14 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
数据模型
数据安全
咨询
数据治理
数据质量
金融行业
元数据管理
数据标准
数据中台
主数据
AI 估算 · 20k–35k
深圳金融科技岗位，中国平安大厂，数据治理专家稀缺，薪资有竞争力，3年以上经验估值2-3.5万/月，14薪
职位详情
关于这个职位
该职位主要负责帮助金融机构客户进行数据治理现状调研、制定数据治理规划与方案，以及数据质量、数据标准、数据模型、元数据管理等具体工作
您将深度参与数据治理产品的需求分析和设计，并协调团队落地实施，适合拥有数据治理或信息安全背景、希望深耕金融行业数据合规领域的专业人士
最低要求
本科以上学历，计算机、电子信息技术、数学、统计学等相关专业
熟练掌握主数据、元数据、数据质量、数据安全、数据标准、数据生命周期等数据治理相关知识
年以上 IT相关（大数据平台、数据治理、数据分析、信息安全等）咨询实施项目相关经验，或数据管控、数据治理、数据仓库、数据中台建设相关岗位经验，有金融行业相关经验者优先
沟通协调能力强，较好地说服能力
优秀的PPT、制度文档等材料撰写能力
良好的抗压的能力
责任心强，有积极主动的工作态度
较强数据分析能力和数据敏感度，能够从数据中发现问题
工作职责
帮助机构客户调研数据治理现状，并制定数据治理路线图、规划和方案
制定数据质量管理和质量提升相关工作的制度、流程，提升金融机构数据质量
制定金融机构数据标准、数据模型相关工作制度、流程，设计、丰富和完善数据模型体系，基于数据模型检核数据落标情况
负责数据标准、数据质量、元数据管理、主数据、数据安全、数据生命周期等数据治理产品系统的业务需求梳理及设计
根据数据分析应用需求设计规划数据集市、数据指标、数据标签体系
按照金融机构客户现状定制化数据治理解决方案，沟通了解客户需求，并协调产品、实施团队进行产品落地实施
AI 洞察
优缺点分析
- 身处金融科技前沿，中国平安作为行业巨头，平台大、项目多，能积累宝贵的金融机构数据治理经验
- 技能积累面广，覆盖数据治理全生命周期，包括标准、质量、安全、模型等，职业壁垒高
- 薪资待遇优厚，大厂福利完善，年终奖和绩效奖金可观
- 需要与金融机构客户频繁沟通，对沟通能力和文档撰写能力要求较高，项目压力较大
- 数据治理涉及多个部门协作，协调难度大，且金融行业监管严格，工作需严谨细致
- 技术深度上可能不如纯开发岗，需要持续学习最新数据治理工具和合规要求
- 适合有数据治理或信息安全背景，希望进入金融行业、从事合规与数据管理方向，喜欢与人沟通、善于撰写方案的求职者
角色解读
- 深耕数据治理领域，可成长为数据治理专家或数据架构师，在金融科技行业具有高价值
- 向数据产品经理方向发展，主导数据治理产品的设计与迭代
- 在大型金融机构或咨询公司担任数据治理负责人，带领团队开展整体数据治理工作
- 调研金融客户的数据治理现状，制定数据治理路线图和规划方案，帮助客户提升数据质量
- 制定数据标准和数据模型相关制度，设计并完善数据模型体系，推动数据标准落地
- 负责数据治理产品的需求分析和设计，协调产品与实施团队进行产品落地
- 规划数据集市、数据指标、数据标签体系，为数据分析应用提供支持
- 扎实的数据治理知识：精通主数据、元数据、数据质量、数据安全、数据标准、数据生命周期等
- 项目管理与咨询能力：能够独立制定方案、撰写制度文档和PPT，具备较强的沟通协调与说服能力
- 数据分析能力：对数据敏感，能从数据中发现问题，指导治理决策
- 金融行业经验优先：熟悉金融业务和数据特点，能快速理解客户需求
申请策略
- 在面试中准备一个完整的数据治理案例，展示从现状调研、方案制定到落地实施的全过程
- 关注平安集团的数据安全与合规动态，体现你对行业趋势的敏感度
- 突出数据治理或数据管理相关项目经验，特别是金融行业的案例，说明你在其中扮演的角色和达成的成果
- 强调你的沟通协调能力和文档撰写能力，如曾独立撰写制度文档或方案PPT
- 列出掌握的数据治理工具（如Informatica、Collibra、DataGovernance等）和编程技能（SQL、Python等）
- 补充金融行业知识，了解银行业或保险业的数据监管要求（如银保监会数据治理指引）
- 学习主流数据治理平台（如阿里DataWorks、华为DataStage等）的使用和原理
- 提升数据分析能力，掌握数据质量监控方法和数据模型设计工具（如ERwin、PowerDesigner）
面试指南
- 用STAR法则（情境、任务、行动、结果）结构化回答项目经验
- 展示方法论：先阐述理论框架（如DAMA、DCMM），再结合具体实践
- 体现平衡：兼顾业务需求与技术实现，强调沟通和推动能力
- 请介绍一个你主导或参与的数据治理项目，包括遇到的挑战和解决方案
- 如何制定金融机构的数据标准？请举例说明
- 数据质量管理的常见维度有哪些？如何提升数据质量？
- 你如何理解数据安全在数据治理中的重要性？平安作为金融集团，有哪些特殊要求？
- 当客户对数据治理方案有异议时，你会如何沟通说服？
匹配度报告
69
综合匹配度
金融大厂数据治理岗，技术成长快、薪资优渥，但WLB一般，适合追求专业深度的求职者。
适合人群
适合看重技能积累和职业发展，对薪酬有一定要求，且能接受现场办公和一定工作压力的候选人。
最强匹配
薪资福利匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展80
工作生活40
使命价值70
薪资福利匹配
85较高
大厂薪资福利有竞争力，金融行业薪酬普遍较高，且为已上市巨头，稳定性强。
薪资信号面议 (20K-35K/月)
成长发展匹配
80较高
涉及数据治理前沿领域，技能成长空间大，但JD未明确晋升通道，需内部探索。
技术前沿前沿/新兴技术
技术栈数据治理、数据质量、数据安全、数据标准、元数据管理、数据中台
业务类型ambiguous
工作生活匹配
40较低
仅现场办公，深圳办公，JD未提远程或弹性，金融行业加班文化普遍，WLB一般。
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
70中等
金融行业数据治理助力合规与风险管理，有一定社会价值，但非直接民生影响。
行业发展稳定成熟行业
社会影响中性/一般
创新程度稳健跟随主流
Watch Jobs