海尔
数据语义标准管理员
数据语义标准管理员
发布于 4 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
Ai大模型
Dcmm
Nlp
多模态数据
数据标注
数据治理
知识图谱
语义网
本体构建
值不值得投
75综合评分
综合评分 75
海尔AI数据基建核心岗，聚焦大模型语义标准与知识图谱，技术前沿且成长空间大，适合追求专业深度的数据治理专家。
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
2.3万
比数据治理中位数低
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 320 个在招
市场机会
选择不多
青岛 · 数据治理 · 6 个在招
职位详情
关于这个职位
该职位主要负责构建家电及智能家居等领域的行业语义标准体系，并围绕AI场景制定高质量多模态数据集的语义标注与质量规范
你需要推动跨系统、跨区域的语义对齐与共享，确保语义标准在数据生产与模型训练中的落地与持续迭代
最低要求
计算机、大数据、人工智能、标准化工程等相关专业本科及以上
理解数据标准、高质量数据集建设、数据治理、DCMM相关理论与实践
掌握本体构建、语义网、知识图谱、术语体系、标注规范等核心方法
了解AI大模型、NLP、多模态数据、训练数据集生产流程
工作职责
行业语义标准体系建设：面向家电/智能家居/海外场景等领域，构建行业术语、实体、属性、关系、分类、值域统一语义标准
制定语义元数据规范、语义映射规则、语义对齐框架，形成可落地的标准文档与管理流程
AI场景语义构建与治理：围绕用户意图、产品功能、服务流程、海外多语言等AI消费场景，设计意图体系、槽位定义、对话语义、多模态语义标签
建立语义去重、消歧、归一、更新机制，确保语义一致性与准确性
高质量数据集语义标准制定：牵头制定文本/图像/语音/多模态数据集的语义标注规范、质量校验规则、评测指标
参与数据采集、预处理、标注、合成、评测全流程，把控语义质量，解决歧义、冲突、不一致问题
跨系统/跨区域语义对齐与共享：对接内部系统、可信数据空间、合作方数据，开展语义映射、本体对接、标准互通，消除语义孤岛
支撑可信数据空间、数据共享、数据交易中的语义一致性与互认
标准落地、培训与迭代优化：推动语义标准在数据生产、模型训练、业务应用中落地执行，提供培训、咨询、审核
基于业务变化、AI效果、合规要求持续迭代标准体系，形成闭环优化
优先资格
持有DCMM数据管理专业人员、CCRC数据安全/数据治理认证、知识图谱工程师认证等证书优先
AI 洞察
优缺点分析
优点
- 处于AI大模型与数据要素市场的核心交汇点，语义标准是高质量AI的基石，行业前景广阔
- 依托海尔庞大的家电与智能家居生态，拥有丰富的多模态数据场景与落地机会
- 语义标准的制定与推行需要跨多部门、多业务线协调，沟通与推动落地的难度较大
- AI技术迭代极快，需要持续跟进大模型、多模态等前沿技术，保持标准体系的先进性
- 适合具备扎实数据治理基础、对知识图谱和NLP有深入理解，且具备较强跨部门协调与体系化建设能力的复合型人才
缺点 / 挑战
- 能够系统掌握知识图谱、本体构建及大模型数据生产全流程，技术壁垒较高
角色解读
- 纵向可发展为数据治理专家或首席数据官（CDO）团队核心成员，主导企业级数据资产战略
- 横向可向AI产品经理、大模型数据负责人方向转型，深入业务场景赋能AI应用
- 构建家电及智能家居等领域的行业语义标准体系，制定元数据规范与映射规则
- 围绕AI消费场景设计意图体系与多模态语义标签，建立语义去重与消歧机制
- 牵头制定多模态数据集的语义标注规范与质量校验规则，推动跨系统语义对齐与标准落地
- 扎实的数据治理理论基础，熟悉DCMM体系及数据标准建设流程
- 掌握本体构建、语义网、知识图谱等核心技术方法，了解NLP与AI大模型训练流程
- 具备跨部门沟通与标准推行能力，能够解决语义歧义与冲突问题
申请策略
- 提前了解海尔智家及三翼鸟等品牌的智能家居场景，思考其背后的语义数据需求
- 突出在数据治理、数据标准或知识图谱项目中的实际落地经验，特别是体系化建设的成果
- 强调对AI大模型、NLP及多模态数据集生产流程的理解，展示与AI场景结合的能力
- 列出DCMM、CCRC或知识图谱工程师等相关认证，证明专业资质
- 深入学习大模型时代的语义对齐、RAG（检索增强生成）中的知识库构建及多模态数据标注规范
- 了解可信数据空间、数据要素流通相关的最新政策与技术标准
面试指南
- STAR法则：针对项目经验题，按照情境、任务、行动、结果的结构回答，突出量化成果
- 体系化思维：针对标准制定题，从“调研-设计-试点-推广-迭代”的闭环框架进行阐述
- 请分享一个你主导或深度参与的数据标准/知识图谱建设项目，你是如何解决语义歧义和冲突的？
- 在AI大模型场景下，你认为高质量数据集的语义标注规范应该包含哪些核心要素？
- 如何推动一套新的语义标准在多个业务线和跨系统中落地执行？
- 谈谈你对DCMM数据管理成熟度模型的理解，以及它如何指导语义标准体系建设？
- 复习知识图谱本体构建方法论（如七步法）及NLP基础概念，准备1-2个多模态数据治理的实际案例
- 了解海尔近期的数字化转型战略及智能家居生态布局，将岗位价值与公司业务痛点结合
职位点评
薪资福利75
成长发展85
工作生活60
使命价值80
薪资福利
75中等
海尔作为知名跨国企业，薪资福利体系相对完善，该岗位属于AI数据基建核心岗，薪资在青岛地区具备较强竞争力。
薪资信号未披露（AI估算：1.5千–3万/月）
成长发展
85较高
岗位涉及AI大模型、多模态数据、知识图谱等前沿技术，且需主导标准体系建设，个人技术深度与全局视野均能得到极大锻炼。
技术前沿前沿/新兴技术
技术栈知识图谱、语义网、本体构建、NLP、AI大模型、多模态数据、DCMM
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式与加班情况，但作为跨国巨头企业的标准制定岗，可能面临较多的跨部门沟通与会议，WLB情况需视具体团队而定。
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
80较高
构建行业语义标准与高质量数据集，直接赋能AI大模型与智能家居生态，具有较高的行业价值与技术使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs