Data Platform Engineering-Senior Principal, VP

优缺点分析

角色解读

• 在道富内部可晋升为更高级别的技术高管（如CTO或数据负责人）
• 积累金融+AI双领域经验后，可转型至其他大型金融机构或科技公司担任数据/AI负责人
• 职业路径清晰：从平台架构VP到首席架构师或数据/AI研究院院长
• 领导数据平台和智能体工程团队，定义架构方向，交付可扩展的解决方案
• 设计并实现多智能体工作流及数据AI智能体，整合A2A、MCP等协议
• 主导核心数据平台能力的建设，包括OLAP/OLTP集成、数据摄入和消费模式
• 与全球团队协作，推动跨区域项目，提升工程标准和最佳实践
• 深厚的数据平台架构经验，熟悉Snowflake、Databricks等现代平台
• 精通LLMOps和智能体基础设施，具备云无关架构设计能力（AWS/GCP/Azure）
• 扎实的编程能力（Python、SQL）和AI辅助开发工具使用经验
• 金融行业背景，理解非结构化数据处理和监管要求

申请策略

• 研究道富的DAAIS团队近期成果，在面试中体现对其技术方向的理解
• 准备一个完整的案例：如何设计一个智能体驱动的数据平台，涵盖架构、治理和监控
• 突出金融行业数据平台架构的完整项目经验，特别是OLAP/OLTP设计和LLMOps落地案例
• 强调领导过的大型团队和跨国协作经历，量化成果（如性能提升、成本优化）
• 展示对智能体工作流的具体实践，包括技术选型和项目产出
• 列出论文、专利或行业影响力证明
• 若缺乏金融背景，可补充CFA或相关金融知识
• 深入学习A2A、MCP等智能体协议，掌握主流AI代理框架

面试指南

• STAR法则：情境、任务、行动、结果，强调技术细节和量化成果
• 对比不同方案（如Agentic vs 传统ETL），突出技术权衡和业务价值
• 结合道富的业务场景，展示对金融合规和数据安全的思考
• 请描述您设计过的一个多智能体工作流，包括架构、技术和挑战
• 如何为一个全球化金融公司设计云无关的数据平台？
• 您如何平衡数据治理和AI智能体的自主性？
• 谈谈您领导团队实施LLMOps的经验，包括成本控制和安全性
• 您如何推动跨地区团队的工程标准统一？