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
71综合评分
综合评分 71
前沿湖仓与语义层架构岗，技术成长强，薪资福利与工作模式信息不明确。
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
4.5万
与数据架构中位数基本持平
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
该职位面向生命科学行业客户，负责企业级数据平台与AI数据底座架构设计，主导传统数仓向Modern Lakehouse迁移，并建设企业语义层和统一指标体系
你需要与客户业务、数据和AI团队协作，推动数据平台支撑AI场景落地，同时负责架构治理、性能优化和项目交付
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、语义层、流处理和GenAI数据底座，技术成长空间较大
- 面向生命科学行业AI转型项目，行业场景与数据价值感较强
- 咨询项目环境下可接触多类客户与复杂企业级架构，积累架构咨询经验
- 岗位强调架构治理、指标体系和数据消费能力，有利于形成端到端数据架构能力
- 企业级数据平台改造涉及历史系统、治理和性能优化，项目推进难度较大
- JD未明确办公模式与加班安排，需在面试中确认客户现场和项目节奏
- 适合具备多年数据平台经验、熟悉Lakehouse与语义层、愿意服务生命科学客户并适应咨询项目交付的资深数据架构师
缺点 / 挑战
- 需要同时对接客户业务、数据和AI团队，沟通与方案落地复杂度较高
角色解读
- 可沿数据架构专家路线发展，深耕Lakehouse、语义层与AI Data Foundation架构
- 在咨询项目中积累生命科学行业经验，逐步承担更大规模客户转型与项目群管理职责
- 有机会向数据平台技术负责人、咨询经理或企业数据架构负责人方向发展
- 为生命科学行业客户设计并落地企业级数据平台与AI数据底座，支撑AI转型项目
- 主导传统数据仓库向Modern Lakehouse演进，规划统一数据基础设施
- 建设企业语义层、业务指标体系和统一数据消费层，让业务与AI团队能高效使用数据
- 负责架构治理、数据建模、性能优化和项目交付，并指导团队实施解决方案
- 具备完整Lakehouse Architecture项目经验，理解现代数据平台架构设计原则
- 熟悉AWS或Azure数据技术栈，掌握SQL、企业级数据模型与维度建模
- 具备Enterprise Semantic Layer、KPI Framework和业务语义模型建设能力
- 具备客户沟通、架构咨询和技术领导能力，能把业务需求转化为技术方案
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确认项目地点、客户现场安排和出差要求
- 突出完整Lakehouse Architecture项目经验，写清架构方案、迁移范围和落地效果
- 展示Enterprise Semantic Layer、指标体系、维度建模和数据治理成果
- 列出AWS/Azure、Databricks、Snowflake、Delta Lake、Kafka/Flink等具体技术栈项目
- 强调客户沟通、架构咨询、技术选型和团队指导经验
- 补充dbt Semantic Layer、CubeJS、Databricks Metric View等语义层工具实践
- 强化Data Lake Direct Query、流处理与查询性能优化案例
面试指南
- 用“业务目标—现状问题—架构方案—落地效果”结构讲项目，突出取舍与量化结果
- 语义层问题按“指标定义—语义模型—数据消费—治理机制”分层回答
- 客户协作问题用具体冲突案例说明如何对齐目标、拆解方案并推动交付
- 请介绍一个你主导的Lakehouse Architecture项目，为什么这样设计？
- 你如何从传统数据仓库迁移到Modern Lakehouse，如何处理历史资产和治理？
- 你如何设计Enterprise Semantic Layer和统一KPI指标体系？
- 面对客户业务团队与AI团队需求冲突时，你如何推动架构决策？
- 你如何做数据平台性能优化，尤其是数据湖直算和流处理场景？
职位点评
薪资福利65
成长发展88
工作生活52
使命价值80
薪资福利
65中等
JD未披露薪资与具体福利，补偿性信息有限；岗位要求多年企业级数据架构经验，薪酬与福利需在面试中确认。
薪资信号未披露（AI估算：3.5千–5.5万/月）
成长发展
88较高
岗位集中使用Lakehouse、企业语义层、Databricks/Snowflake、流处理与GenAI数据底座，技术成长空间较大。
技术前沿前沿/新兴技术
技术栈Lakehouse Architecture、Enterprise Semantic Layer、Databricks、Snowflake、AWS、Azure、SQL、Dimensional Modeling、Kafka、Spark Streaming、Flink、GenAI Data Foundation
业务类型profit_center
工作生活
52较低
JD未提及办公模式、弹性安排或加班情况，生活化信息不足；项目交付可能涉及客户现场，需面试确认。
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
80较高
岗位面向生命科学行业客户的AI转型项目，数据平台支撑医疗健康场景，具有较明确的社会价值与行业前景。
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
埃森哲 的其他在招职位
相似职位推荐
Watch Jobs