埃森哲
Data Architecture
Data Architecture
发布于 4 小时前基层主管/组长
全职员工仅现场办公数据架构
数据架构
Sql
值不值得投
74综合评分
综合评分 74
现代数据架构核心岗，技术前沿与生命科学行业价值突出，但WLB与办公模式信息不明确。
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，方便横向比较。
薪资怎么样
4.0万
比数据架构中位数低
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 140 个在招
市场机会
选择不多
上海 · 数据架构 · 4 个在招
职位详情
关于这个职位
这是埃森哲面向生命科学行业客户的数据架构岗位，负责企业级数据平台、现代湖仓架构与企业语义层的设计与落地
你需要主导传统数仓升级、构建统一指标与语义模型，并推动数据平台与AI场景结合
适合有5年以上数据平台经验、能连接业务与技术方案的架构人才
最低要求
年以上 Data Platform、Big Data 或 Data Architecture 相关经验，具备企业级数据平台规划与建设经验
具备完整 Lakehouse Architecture 项目经验（Must Have），熟悉现代数据平台架构设计理念
熟悉 AWS（优先）或 Azure 云平台数据技术栈，具备云端数据平台建设经验
具备 Enterprise Data Platform 建设经验，能够主导数据平台架构设计及技术治理
具备扎实 SQL 能力，熟悉企业级数据模型设计、维度建模（Dimensional Modeling）及指标体系（KPI Framework）设计
具备 Enterprise Semantic Layer 建设经验，能够设计业务语义模型、业务指标体系及统一数据消费层
具备大型企业数据仓库现代化改造经验（Data Warehouse Modernization）者优先
具备优秀的客户沟通及架构咨询能力，能够连接业务需求与技术方案
工作职责
负责企业级 Data Platform 与 AI Data Foundation 架构设计及实施，支撑 Life Science 行业客户 AI Transformation 项目落地
主导传统 Data Warehouse 向 Modern Lakehouse Architecture 的规划与建设，打造统一的数据基础设施
负责 Enterprise Semantic Layer（企业语义层）的设计与建设，构建统一业务指标体系、语义模型及数据消费能力
与客户业务团队、数据团队及 AI 团队协作，推动数据平台能力与 AI Use Cases 的结合与落地
负责数据平台架构治理、数据建模、性能优化及平台演进规划，为企业级 AI 应用提供高质量数据支撑
领导架构设计、技术选型及项目交付工作，并指导团队完成解决方案实施
优先资格
Semantic Layer & Business Architecture：
参与或主导过 Enterprise Semantic Layer 建设项目
熟悉以下一种或多种技术/方法论：CubeJS、dbt Semantic Layer、Databricks Metric View、Semantic Modeling、Business Metrics Framework、KPI Governance
具备从业务指标定义到语义模型设计的完整实践经验
Lakehouse & Data Platform：
深刻理解 Lakehouse Architecture 设计原则
具有 Databricks、Snowflake、AWS Lake Formation、Delta Lake 等相关项目经验
具备 Data Lake Direct Query（数据湖直算）及查询性能优化经验
有大规模企业级平台建设和架构治理经验
Advanced Data Engineering：
具备 Streaming Data Processing 经验（Kafka、Spark Streaming、Flink 等）
熟悉实时数据架构设计及数据处理优化
具备 AI Data Platform 或 GenAI Data Foundation 项目经验者优先
AI 洞察
优缺点分析
优点
- 技术栈覆盖Lakehouse、企业语义层、流式数据和GenAI数据基础，成长空间大
- 服务生命科学客户AI转型，行业场景有价值感
- 咨询项目多客户、多场景，能快速积累企业级架构经验
- 岗位有架构领导与团队指导职责，利于向管理/专家双通道发展
- 需要同时处理业务指标、语义建模、平台架构和客户沟通，综合要求高
- 适合有5年以上数据平台经验、擅长企业级架构与客户沟通，并希望在现代湖仓和AI数据基础方向深耕的求职者
缺点 / 挑战
- 咨询项目可能面临客户现场驻场、交付节奏和多干系人协调压力
- Must Have的完整Lakehouse项目经验门槛较高，需能独立主导架构
角色解读
- 可从数据架构师向首席数据架构师/数据平台负责人方向发展
- 在咨询项目中积累生命科学行业AI数据底座经验，提升跨行业方案能力
- 可延伸到AI平台架构、数据治理或数字化转型咨询管理岗位
- 面向生命科学客户设计并落地企业级 Data Platform 与 AI Data Foundation，支撑AI转型项目
- 主导传统数仓向 Modern Lakehouse 演进，建设统一数据基础设施
- 设计企业语义层、业务指标体系和语义模型，统一数据消费能力
- 负责架构治理、数据建模、性能优化和平台演进，并指导团队交付
- 5年以上数据平台/大数据/数据架构经验，具备企业级平台规划与建设能力
- 完整Lakehouse项目经验，熟悉AWS或Azure云数据栈
- 扎实SQL、维度建模、KPI指标体系和企业语义层设计能力
- 具备客户沟通与架构咨询能力，能连接业务需求与技术方案
申请策略
- 投递前了解埃森哲在生命科学行业的数据与AI咨询案例，面试中体现行业理解
- 主动与HR确认工作地点、驻场安排和项目周期，评估通勤与工作模式
- 突出完整Lakehouse Architecture项目：从数仓迁移、架构选型到上线效果
- 量化企业级Data Platform建设经验：数据规模、性能提升、治理机制
- 展示Enterprise Semantic Layer/指标体系建设案例：业务指标、语义模型、消费层
- 强调AWS/Azure云数据栈、SQL/维度建模及客户沟通/咨询交付能力
- 补齐Databricks、Snowflake、Delta Lake、AWS Lake Formation等湖仓工具实操
- 准备dbt Semantic Layer、CubeJS、Databricks Metric View等语义层方案案例
面试指南
- 用STAR结构讲清背景、目标、架构方案、落地结果和业务价值
- 架构题先讲原则与约束，再讲选型权衡、治理机制和可量化效果
- 客户沟通题强调如何对齐业务指标、管理干系人预期并推动交付
- 请介绍一个你主导的Lakehouse Architecture项目，为什么这样选型？
- 你如何设计企业语义层和KPI指标体系，并保证业务口径统一？
- 传统数仓迁移到Lakehouse时，你如何处理数据模型、性能和治理问题？
- 在AWS/Azure上搭建企业级数据平台，你会如何做技术选型和架构治理？
- 面对生命科学客户的AI用例，你如何把数据平台能力与AI团队需求对接？
职位点评
薪资福利70
成长发展88
工作生活55
使命价值82
薪资福利
70中等
JD未披露薪资与福利，但岗位要求5年以上企业级数据架构与稀缺的语义层/Lakehouse经验，上海市场薪酬竞争力可能较好，具体需与HR确认。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
88较高
岗位覆盖现代湖仓、企业语义层、流式数据与GenAI数据基础，技术栈前沿且项目复杂度高，有利于架构能力纵深发展。
技术前沿前沿/新兴技术
技术栈Lakehouse Architecture、Enterprise Semantic Layer、AWS、Azure、SQL、Dimensional Modeling、KPI Framework、Databricks、Snowflake、Delta Lake、Kafka、Spark Streaming、Flink、GenAI Data Foundation
业务类型ambiguous
工作生活
55较低
JD未说明办公模式、弹性安排或加班情况，WLB信息不足；上海地点与客户项目驻场安排需进一步确认。
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
82较高
职位服务生命科学客户的AI转型，数据平台支撑医疗健康相关场景，具正向社会价值；同时采用现代数据架构技术。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号支撑 Life Science 行业客户 AI Transformation 项目落地
创新程度积极采用新技术
埃森哲 的其他在招职位
相似职位推荐
Watch Jobs