数智化工程师

优缺点分析

角色解读

• 可向首席数据官(CDO)、数字化转型专家或高级解决方案架构师方向发展
• 随着AI在制造业的深入，该角色将成为连接技术与业务的核心枢纽，具备极高的战略价值
• 负责构建制造领域的AI与数据全链路架构，包括智能知识库和智能体的设计与落地
• 主导数据与知识的治理工作，打通数据孤岛，实现数据资产化
• 协同业务部门将数智化方案应用于核心制造场景并优化效果
• 具备5年以上数字化项目经验，深入理解锂电制造业业务流程
• 掌握AI技术在工业场景的应用，如知识图谱、大模型智能体等
• 熟悉主流工业软件架构，特别是MES系统，以及WMS/EAM/QMS中的至少一种

申请策略

• 了解海辰储能的最新动态和技术布局，面试时展示对锂电制造工艺的理解，体现“懂行”的优势
• 重点突出过往在制造业（尤其是锂电或离散制造）的数字化项目经验
• 详细列举使用AI技术（如NLP、知识图谱）解决实际业务痛点的案例
• 强调对MES/WMS等工业系统的深度理解和集成经验
• 补充AI大模型在垂直行业落地的最新实践知识
• 深化对数据治理方法论和数据资产化管理的理解
• 提升项目管理与跨部门协作的技巧

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目经历
• 重点阐述业务痛点分析、技术方案选型理由、实施过程中的关键突破点以及最终量化的业务收益（如效率提升%、成本降低%）
• 请分享一个你主导的制造业AI落地项目，你是如何从0到1构建架构的？
• 在数据治理过程中，如何解决数据孤岛和标准不统一的问题？
• 你对MES系统与AI智能体结合有什么见解？遇到过哪些集成难点？
• 如何评估数智化方案在制造场景下的实际业务价值？
• 复习数据治理框架（如DAMA）和AI应用场景案例
• 准备关于锂电制造流程（如电芯生产、PACK组装）的基础知识