传音
高级数据治理工程师(J19662)
高级数据治理工程师(J19662)
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公数据治理
数据治理
Mqtt
Opc Ua
元数据管理
分布式存储
数据治理
数据湖
数据血缘
时序数据库
值不值得投
72综合评分
综合评分 72
传音制造域AI数据治理核心岗，技术栈前沿、成长空间大，薪资中上，WLB未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
比数据治理中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 700 个在招
市场机会
选择不多
深圳 · 数据治理 · 6 个在招
职位详情
关于这个职位
该职位负责传音制造域AI全链路数据治理，包括存储架构规划、数据资产梳理与标准化、数据质量监控及安全管控流程设计
你需要对接物理AGI部等部门，打通产线设备数据到AI可用数据集的全链路，并沉淀数据治理方法论以赋能业务团队
最低要求
本科及以上学历，计算机科学、数据科学、信息管理、工业工程等相关专业
年以上数据治理/数据管理工作经验，理解制造业务场景（生产、质量、工艺、设备），能将业务需求转化为数据治理方案
熟悉存储架构设计（分布式存储、时序数据库、数据湖等），能独立完成存储分层规划
精通数据标准、元数据管理、数据血缘、数据质量校验体系搭建
了解工业协议（OPC UA、MQTT等）及产线数据采集链路，能打通设备原始数据到AI可用数据集全链路
具备较强的学习能力与自驱力，愿意持续探索 AI 技术在制造场景的创新应用
工作职责
统筹制造域 AI 全链路数据问题，搭建传音制造长效数据机制，负责硬件存储资源规划、存储分层设计，支撑产线海量设备、工艺、质量类数据稳定存储
主导制造域数据资产梳理，定义数据标准、元数据、数据血缘、数据质量校验规则，完成原始产线数据清洗、标准化、数据集建设，支撑 AI 模型训练与业务分析
设计数据调用、数据申请、数据权限、数据安全管控流程，输出管理制度，规范各部门数据申请、使用、共享规则
对接物理 AGI 部、数据流程部，承接产线设备采集数据、业务流程数据的治理需求，识别数据缺口，推动数据补全、问题闭环
建立数据长效运营机制，监控数据质量、存储负载、数据访问情况，持续优化数据链路，保障 AI 业务稳定的数据供给
沉淀数据治理方法论，输出规范文档，赋能业务团队正确使用数据资产
AI 洞察
优缺点分析
优点
- 处于AI与智能制造交叉的前沿领域，能积累稀缺的工业数据治理经验
- 对接物理AGI部，有机会参与核心AI模型的数据底座建设，技术含金量高
- 主导全链路数据机制搭建，能够全面提升架构设计与跨部门项目管理能力
- 制造域数据场景复杂，涉及海量设备与工艺数据，数据清洗与标准化难度大
- 适合具备扎实数据治理基础，同时对智能制造、工业协议及AI数据底座建设有浓厚兴趣的资深数据工程师
缺点 / 挑战
- 需要跨部门协调物理AGI部、数据流程部等，沟通与推动问题闭环的成本较高
角色解读
- 可向数据架构师、数据治理专家或制造域数据负责人方向发展
- 随着AI在制造业的深入，具备“数据+AI+制造”复合背景的人才将极具行业竞争力
- 负责传音制造域AI全链路的数据治理，包括存储架构规划、数据资产梳理与标准化
- 设计数据权限与安全管控流程，对接物理AGI部等部门，打通产线设备数据到AI数据集的全链路
- 建立数据长效运营机制，监控数据质量并沉淀治理方法论，赋能业务团队
- 精通数据标准、元数据管理、数据血缘及数据质量校验体系搭建
- 熟悉分布式存储、时序数据库、数据湖等存储架构设计，能独立完成存储分层规划
- 了解OPC UA、MQTT等工业协议及产线数据采集链路，具备打通设备原始数据到AI可用数据集的能力
申请策略
- 在面试中展现跨部门沟通与推动问题闭环的能力，因为该岗位需要大量对接不同部门以识别和补全数据缺口
- 突出5年以上数据治理经验，特别是元数据管理、数据血缘和质量校验体系从0到1的搭建经历
- 强调在存储架构设计（如数据湖、时序数据库）方面的实际落地案例与性能优化成果
- 展示对工业协议（OPC UA、MQTT）或制造业务场景的理解与实践经验
- 深入了解传音的制造业务场景及物理AGI部的具体需求，复习工业物联网（IIoT）数据采集链路
- 熟悉主流数据治理工具及数据湖仓架构的最新实践，提升复杂场景下的存储分层设计能力
面试指南
- 采用STAR法则，重点突出业务痛点、技术方案设计（如存储分层、血缘构建）、跨部门协作过程及最终带来的业务价值（如AI模型训练效率提升）
- 请分享一个你主导的复杂数据治理项目，如何定义数据标准并落地？
- 在制造场景下，如何处理海量时序数据并设计存储分层方案？
- 如何打通从产线设备采集（如MQTT）到AI模型训练数据集的全链路？
- 跨部门推动数据治理时遇到阻力，你通常如何解决？
- 准备1-2个完整的制造域或工业数据治理案例，熟悉传音在智能制造和AI方面的公开战略或新闻
- 复习数据治理核心理论（如DAMA）及工业协议基础，确保能应对技术细节追问
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
深圳高级数据工程师薪资处于市场中上水平，但JD未明确提及具体薪资和额外福利，整体补偿性动机满足度较好。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
岗位涉及AI与智能制造交叉领域，技术栈前沿，能积累稀缺的工业数据治理与AI数据底座经验，成长空间大。
技术前沿前沿/新兴技术
技术栈分布式存储、时序数据库、数据湖、OPC UA、MQTT、元数据管理、数据血缘
成长机会持续探索 AI 技术在制造场景的创新应用
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与WLB相关信息，制造域数据治理可能涉及产线数据问题排查，工作节奏可能较快，生活化动机满足度一般。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
推动AI技术在制造场景的创新应用，助力智能制造转型，具有一定的行业前景和技术使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号持续探索 AI 技术在制造场景的创新应用
创新程度积极采用新技术
Watch Jobs