构建 AI 数据资产体系，包括特征库、样本库、标注规则引擎等，支持特征工程自动化、样本迭代优化，降低 AI 研发的数据门槛
2、对接算法团队，梳理数据标注标准与质量评估体系，搭建数据问题反馈与迭代闭环，持续提升 AI 数据质量
3、负责知识库构建与维护， 包括RAG 体系所需的知识库（文档、图谱等），确保数据实时性和准确性
4、设计并优化数据存储与计算架构（如湖仓一体、实时计算平台），适配 AI 场景的高并发、大容量、低延迟数据需求
负责数据管道、ETL/ELT 任务的开发与维护，结合 AI 技术实现任务调度智能化、故障自愈、性能自动优化
5、探索并应用联邦学习、差分隐私、同态加密等技术，在保护客户隐私的前提下，实现数据价值的最大化
6、引入并应用 AI 技术优化数据研发流程，提升数据处理效率、降低人工成本
探索 AI 在数据治理、数据脱敏、数据血缘分析中的应用，搭建智能化数据治理工具，实现数据资产的自动化管理与风险管控