Data Platform Engineering Lead, VP

优缺点分析

角色解读

• 作为VP级别的技术领导者，未来可向更高层级的技术高管（如CTO、首席数据官）或全球数据平台架构负责人方向发展
• 深度参与全球跨境技术战略，在金融AI与数据治理领域建立深厚的行业影响力
• 负责现代数据平台及Agentic AI能力的架构设计与工程交付，带领敏捷团队构建支持投资业务的 scalable 解决方案
• 定义并实施智能体工作流、平台组件智能体化及AI智能体的治理与监控体系，确保数据平台的高效与安全
• 需具备15年以上金融行业技术经验及高级工程领导力，精通多智能体工作流设计、现代开放架构数据平台（OLAP/OLTP）及企业级LLMOps基础设施
• 熟练掌握Snowflake、Databricks、Python、SQL及主流公有云（AWS/GCP/Azure），并具备非结构化数据处理经验

申请策略

• 了解道富在投资管理及数据AI服务（DAAIS）方面的全球战略，准备能够体现你如何将前沿AI技术转化为实际业务价值的案例
• 重点突出在金融服务行业的数据平台架构经验，特别是多智能体工作流、LLMOps及非结构化数据处理的实际落地案例
• 展示高级工程领导力，如指导团队、制定工程标准及跨地域协作的成功经验
• 深入理解Agentic AI协议（如A2A、MCP）及人在回路（human-in-the-loop）指挥中心模式
• 熟悉最新AI辅助开发工具及FinOps云成本优化策略

面试指南

• 采用STAR法则（情境、任务、行动、结果），重点突出技术选型的思考过程、金融级合规与治理的考量，以及最终带来的业务价值
• 在回答架构设计问题时，强调云无关（cloud-agnostic）理念、FinOps成本优化以及高可用性设计
• 请分享一个你主导设计的现代开放架构数据平台案例，如何解决OLAP/OLTP集成与近实时工作负载的挑战？
• 在多智能体工作流设计中，你如何平衡半自主智能体的效率与人在回路（human-in-the-loop）的安全合规要求？
• 在跨地域团队中，你如何推行统一的工程标准并指导工程师成长？
• 针对非结构化数据（如13F文件、新闻），你如何设计数据摄取与消费模式以支持投资分析？
• 复习主流数据平台（Snowflake/Databricks）的底层架构与性能调优，了解Agentic AI的最新进展（如MCP协议）
• 准备金融数据治理与安全的最佳实践案例，思考如何在敏捷交付与严格合规之间取得平衡