PINGAN logo
中国平安
智能管理岗(偏数据)

智能管理岗(偏数据)

发布于 3 天前

中层管理(经理/总监)

上海市
高级经验
全职员工
仅现场办公
本科
数据可视化
数据平台
数据架构
数据治理
财务数字化
DCMM
帆软
指标体系建设

AI 估算 · 35k–50k

上海大厂高级管理岗,数据治理+金融科技复合技能稀缺,薪资竞争力强。

职位详情

关于这个职位

该职位负责中国平安财务服务的数据架构顶层设计与规划,推动财务数字化转型

你将统筹数据治理、需求全生命周期管理、平台运维及指标体系构建,协同数据中台实现业财融合与智能决策
适合具备金融科技背景、数据治理经验及管理能力的资深人士

最低要求

本科及以上学历(金融工程/计算机科学/数学统计/大数据/产业经济学复合背景优先)

PMP/CFA/FRM认证优先、科技类认证(如数据管理专家等)优先、财务类认证(如CPA,中级证书等)优先
具备金融科技趋势研判、技术商业化路径设计(含ROI建模)及跨部门资源协同能力
年以上金融科技战略规划经验(咨询公司+甲方双重背景优先),主导过2个以上新技术落地项目全周期
熟悉数据库/Hadoop/Spark等技术栈,具备数据治理、指标体系建设与帆软平台报表开发实践经验

工作职责

负责财服数据架构的顶层设计与规划,涵盖数据治理体系、分析模型构建、资源整合及平台建设,围绕“构建业财融合、智能高效的数据赋能体系”目标,支撑财务数字化转型战略落地,通过数据资产沉淀与价值挖掘驱动管理决策升级

统筹需求全生命周期管理(含收集澄清、评估设计、上线跟踪等),构建精准化、前瞻性的数据需求评估机制,推动数据资产价值转化,协同数据中台及业务系统完成高优先级需求落地
负责财服数据平台的整体运维保障,搭建系统监控体系,实施故障快速响应与性能优化机制,推动运维流程标准化与智能化升级,保障数据平台稳定运行
梳理并构建经营、运营、管理多维数据指标体系,推动指标线上化与口径统一,结合帆软等工具完善数据可视化体系,提升数据应用效能与决策支持能力
构建数据对标体系,参照DCMM等成熟度模型开展内外部数据标准对齐与治理闭环,提升数据合规性与可溯源性
负责数据字段新增及报表开发等执行类需求响应,协同平台方完成数据校验、部署上线及应用培训,确保需求高效交付
建立数据应用效果评估机制,定期输出数据价值度量报告,形成“评估-整改-验证”治理闭环

优先资格

PMP/CFA/FRM认证优先、科技类认证(如数据管理专家等)优先、财务类认证(如CPA,中级证书等)优先

咨询公司+甲方双重背景优先

AI 洞察

优缺点分析

优点

  • 中国平安作为金融科技巨头,平台大、资源丰富,数据资产价值高
  • 岗位涉及数据架构、治理、运维全链路,技能积累全面
  • 财务管理数字化转型是当前热点,职业前景广阔
  • 需要同时具备技术、业务与管理能力,对复合型要求高
  • 跨部门协调与需求管理可能面临较大沟通成本
  • 数据治理工作细致琐碎,需要耐心和严谨性
  • 适合有5年以上金融科技或数据治理经验、渴望在大型平台承担管理职责、对财务数字化有浓厚兴趣的资深数据专家

缺点 / 挑战

暂无明显挑战项

角色解读

  • 可向数据总监或首席数据官(CDO)发展,负责更大范围的数据战略
  • 可转型为财务数字化专家,深度参与企业数字化转型项目
  • 也可横向拓展至业务分析或产品管理,结合数据赋能业务
  • 负责财务数据架构的顶层设计,制定数据治理体系和分析模型,推动财务数字化转型
  • 统筹数据需求全生命周期管理,协调数据中台及业务系统,确保高优先级需求落地
  • 运维数据平台,搭建监控体系并优化性能,保障平台稳定运行
  • 构建多维度数据指标体系,利用帆软等工具实现数据可视化,提升决策支持能力
  • 数据治理与架构设计能力,熟悉DCMM等成熟度模型
  • 掌握Hadoop、Spark等大数据技术栈,具备数据平台运维经验
  • 精通帆软报表开发及数据可视化,能够构建指标体系
  • 项目管理与跨部门协同能力,有金融科技战略规划经验

申请策略

  • 深入了解中国平安的财务数字化转型战略,准备相关行业洞察
  • 在面试中强调自己如何通过数据治理创造业务价值,而非仅技术实现
  • 突出数据架构或数据治理项目的完整经历,特别是与财务相关的项目
  • 强调大数据技术栈(Hadoop/Spark)和帆软报表的实际应用案例
  • 展示管理经验,如带团队、主导项目全周期、跨部门协调成果
  • 补充财务知识,如CPA或中级证书,增强业财融合理解
  • 学习数据管理认证(如CDMP),提升专业背书

面试指南

  • 采用STAR法则(情境-任务-行动-结果)结构化回答项目经验
  • 对于争议性问题,先阐述原则(如标准化优先级),再结合实际妥协案例
  • 展示对行业趋势的理解,引用公司战略或行业报告佐证观点
  • 请描述一个你主导的数据治理项目,包括架构设计、工具选型和效果评估
  • 如何平衡数据标准化与业务灵活性的需求?举例说明
  • 你如何管理数据需求的全生命周期?遇到过哪些挑战?
  • 对DCMM模型的理解及实际应用经验?
  • 谈谈你对财务数字化转型中数据赋能的看法

匹配度报告

67
综合匹配度

平安大平台、数据治理前沿技术、薪资优厚,但WLB可能一般。

适合人群
适合优先看重技能成长和职业发展、能接受高强度工作节奏的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展88
工作生活40
使命价值65

薪资福利匹配

75中等

薪资处于市场偏高水准,但JD未披露具体数字,福利未明确提及,补偿性满足较好但非最优。

薪资信号未披露(AI估算:35K-50K/月)

成长发展匹配

88较高

岗位涉及前沿技术(Hadoop/Spark)和金融科技战略,技能成长空间大,但JD未明确提及晋升通道。

技术前沿前沿/新兴技术
技术栈Hadoop、Spark、帆软、DCMM
业务类型cost_center

工作生活匹配

40较低

仅现场办公,上海地点,JD未提及WLB,可能面临较强工作强度。

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

65中等

财务数字化属于成熟行业,但数据治理对提升企业效率有积极意义,社会影响力一般。

行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs