Global Head of Analytics and AI Platform Engineering, Managing Director

优缺点分析

角色解读

• 在公司内部，此职位是技术领域的最高级别之一，未来可向更广泛的CTO、首席数据官（CDO）或业务部门负责人等高级管理职位发展
• 在行业内，凭借在顶级金融机构领导全球AI平台的经验，将成为金融科技领域炙手可热的高级专家或顾问，甚至有机会创立或领导金融科技公司
• 技术路径上，可以持续深耕AI工程与治理领域，成为定义行业标准、影响金融业AI基础设施发展的思想领袖
• 作为全球负责人，领导一个跨国的分析与AI平台工程团队，负责从战略规划到技术落地的全过程
• 负责设计、构建和维护支撑公司投资管理业务的分析与AI基础设施、平台服务和工具链，确保其高性能、高可用和可扩展
• 推动技术创新，评估并引入如IAC、云原生、GPU计算、GenAI框架等前沿技术，并建立相应的工程标准和最佳实践
• 管理关键供应商关系，确保外部技术产品和服务与内部平台无缝集成，并满足业务需求与合规要求
• 深厚的分析与AI平台架构和工程能力，精通云计算、分布式系统、MLOps/LLMOps及相关的硬件加速技术（如GPU/TPU）
• 卓越的全球团队领导与管理能力，能够跨文化、跨地域建立高效、问责的技术团队文化，而非简单的资源调配模式
• 对资产管理行业的业务逻辑、风险管理和合规要求有深刻理解，能将技术方案与金融业务场景紧密结合
• 强大的战略思维、利益相关者管理及沟通能力，能够与业务高管（如全球数据与AI服务负责人）协同制定并执行技术战略

申请策略

• 深入研究道富公司（State Street）及其投资管理业务（SSIM）的最新战略、财报和公开技术动向，在申请和面试中展现你对公司业务和挑战的深刻理解
• 准备清晰阐述你对于“建立基于技术专长和问责的文化，而非传统人员扩充模式”这一团队管理理念的理解和实践方案
• 重点突出在大型企业（尤其是金融/资产管理行业）领导复杂技术平台（特别是AI/ML、数据分析平台）从0到1建设或大规模改造的成功案例，用数据和成果说话
• 详细描述领导和管理全球分布式技术团队（如跨中美印欧）的经验，包括团队规模、文化构建、绩效提升和关键项目交付的具体事例
• 清晰展示在技术架构方面的专长，例如设计高可用、可扩展的云原生AI平台，以及实施IAC、MLOps、FinOps等现代工程实践的经验
• 强调对金融业务的理解，以及如何将技术方案（如GenAI、Agentic AI）应用于具体的投资管理、风险控制等业务场景，解决实际业务问题
• 如果对资产管理行业的特定业务（如投资组合管理、风险模型）了解不深，可以快速补充相关基础知识，理解技术如何服务于这些核心业务流程
• 加强对最新AI工程趋势（如Agentic AI框架、大模型推理优化、AI治理工具链）的学习，准备在面试中展示前瞻性的技术视野和落地思考

面试指南

• *STAR框架**：针对行为类问题（如“分享一个案例”），采用情境（Situation）、任务（Task）、行动（Action）、结果（Result）的结构清晰回答，重点突出个人在其中的领导决策、技术判断和取得的可量化成果
• *原则-案例结合**：针对策略或理念类问题（如“如何平衡创新与合规”），先阐述你的核心原则或框架，然后立即用一个具体的过往案例来佐证，证明你不是空谈理论，而是有成功实践经验
• *展现战略思维与落地能力**：在回答中既要体现高层的战略规划视野（如平台蓝图、技术选型路线图），也要展示对具体技术细节和团队执行过程的把控力，证明你能“从顶层设计到地面执行”
• 请分享一个你领导过的、最复杂的全球性AI或数据分析平台建设项目
• 你在其中扮演的角色、遇到的最大挑战以及如何克服的？
• 你如何定义和推动“工程卓越”（Engineering Excellence）？请结合具体实践，谈谈你如何在团队中建立技术标准和质量文化
• 在金融行业，平衡技术创新（如采用新的GenAI框架）与严格的风险、合规要求是一大难题
• 请谈谈你的经验和处理原则