中国电信
AI数据工程师
AI数据工程师
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Ai数据工程
Rag知识库
多模态数据处理
数据治理
数据清洗
自动化数据处理
跨团队协同
值不值得投
75综合评分
综合评分 75
央企省公司校招岗，聚焦大模型数据工程，技术成长快，平台稳定，WLB待确认。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
8.0千
比数据工程中位数低
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 2350 个在招 · 其中数据工程 16 个
市场机会
选择不多
南昌 · 数据工程 · 1 个在招
职位详情
关于这个职位
该职位主要负责政企与运营商场景下的AI数据体系建设、自动化运维与多源数据清洗处理
候选人将协同算法与交付团队，定制大模型训练与评测数据集，支撑政务数字化、行业智能化及大模型项目的落地交付与常态化迭代
最低要求
年毕业的国内普通高等院校本科及以上学历、学士及以上学位的应届毕业生及2026年毕业且未就业的国内普通高等院校本科及以上学历、学士及以上学位的毕业生
遵纪守法，品行端正，无不良行为记录
身体健康，具有正常履行职责的身体条件
学习能力强，具备较好的语言表达、文字写作与沟通协调能力
工作职责
负责政企、运营商场景AI数据搭建、优化与日常运维，搭建自动化数据处理体系，支撑政务AI、行业智能化、大模型落地及数字化项目迭代交付
负责政务数据、通信业务数据、文本、知识库、多模态数据的采集、清洗、去重、增强与合规精炼，对接政企、运营商多源数据源，排查数据异常问题，输出标准化、高合规性行业数据集
协同项目、算法、交付团队，针对政务数字化、运营商智慧运维、行业RAG知识库、智能分析等项目需求，定制训练、微调、评测数据集，支撑AI项目落地、优化与常态化运维交付
负责AI数据体系监控、问题排查与技术优化，沉淀政企数字化、通信AI数据处理标准与项目文档，持续优化数据治理与交付体系，赋能公司数字化与智能化项目建设
优先资格
具备数据治理、数据资产梳理、多模态数据处理实战经验者或相关实习经历优先
AI 洞察
优缺点分析
优点
- 依托大型通信企业平台，直接参与政务数字化与运营商智慧运维核心项目
- 技术栈紧密贴合大模型与RAG应用前沿，实战场景丰富
- 培养体系完善，职业稳定性高，内部转岗与晋升通道清晰
- 接触多源异构数据与合规精炼流程，积累高壁垒的行业数据经验
- 国企流程规范严谨，创新试错空间相对有限，需适应标准化作业
- 数据合规与质量要求极高，需严格遵循行业监管与审计标准
- 初期可能侧重基础数据清洗与流程执行，需主动争取高阶建模机会
- 追求稳定发展、希望深入参与国家级政企数字化项目的应届计算机/数据相关专业毕业生，且具备较强执行力与合规意识
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可晋升为高级AI数据工程师、数据架构师或数据治理专家
- 横向可转向大模型数据策略规划、AI项目管理或政企数字化解决方案方向
- 长期可发展为兼具业务理解与技术深度的复合型AI数据负责人
- 负责政企与运营商场景的AI数据体系建设、自动化运维与多源数据清洗处理
- 协同算法与交付团队，定制大模型训练、微调与评测数据集
- 排查数据异常问题，输出标准化、高合规性的行业数据集
- 沉淀数据处理标准与项目文档，持续优化数据治理与交付体系
- 掌握数据清洗、去重、增强及多模态数据处理技术
- 熟悉数据治理规范、质量评估标准与合规要求
- 具备Python/SQL等数据处理工具及自动化流水线的实操能力
- 拥有良好的跨部门沟通、逻辑思维与项目落地执行力
申请策略
- 密切关注中国电信校园招聘时间节点、网申系统与笔试安排
- 提前调研政企板块与运营商智慧运维的最新AI应用场景，准备业务理解类问答
- 面试前梳理1-2个完整数据项目，重点说明数据流转、质量控制与问题解决过程
- 突出数据清洗管道搭建、多模态数据处理实战或相关实习项目，量化处理规模与质量提升指标
- 强调对数据合规、隐私保护、质量评估标准的理解与实践
- 展示跨团队协作经验，特别是与算法、产品或交付团队的配合案例
- 附上沉淀的数据处理SOP、文档模板或自动化脚本链接
- 补充Python/Pandas、PySpark及主流数据框架的实操，熟悉数据流水线编排工具
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化陈述项目经验，突出个人贡献与量化产出
- 针对合规与质量问题，阐述数据分级分类、权限管控、自动化校验脚本与人工复核机制
- 针对跨团队冲突，强调需求对齐会议、版本控制管理、里程碑同步与风险预警流程
- 请详细介绍你过往的数据清洗或处理项目，遇到的最大难点是什么？如何解决的？
- 面对海量多模态数据，你如何设计数据质量校验规则与合规脱敏方案？
- 当算法团队与交付团队对数据集格式或进度存在分歧时，你如何协调推进？
- 你如何理解大模型训练数据中的“长尾分布”问题？在数据增强中会如何处理？
- 复习数据预处理常用算法、特征工程基础与主流ETL工具链
职位点评
薪资福利70
成长发展85
工作生活65
使命价值75
薪资福利
70中等
应届生入职核心数据岗位，起薪通常处于市场中上水平，福利保障体系完善，但具体薪资范围需以录用通知为准。
薪资信号未披露（AI估算：6.5千–1.0万/月）
成长发展
85较高
深度参与大模型与政企AI项目落地，技术栈前沿且成长路径清晰，适合渴望快速积累行业数据经验的求职者。
技术前沿前沿/新兴技术
技术栈AI数据工程、多模态数据处理、数据治理、RAG知识库、大模型微调、自动化数据处理
业务类型ambiguous
工作生活
65中等
传统企业作息相对规律，但AI项目交付期可能存在阶段性加班压力，整体平衡度取决于具体项目组节奏。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
投身国家政务数字化与运营商智能化建设，社会价值与行业前景显著，契合追求事业意义的求职者。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs