渣打银行
Senior AI Data Engineer, Wealth Management
Senior AI Data Engineer, Wealth Management
发布于 2 小时前基层主管/组长
全职员工仅现场办公大数据
大数据
Ai/Llm
Etl/Elt
Pyspark
Sql
数据工程
数据建模
值不值得投
74综合评分
综合评分 74
跨国银行财富管理业务的高级数据工程岗，技术栈前沿，发展性极强，但需适应金融行业环境与现场办公要求。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
45K
比大数据中位数高
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 280 个在招
市场机会
选择不多
广州 · 大数据 · 6 个在招
职位详情
关于这个职位
作为渣打银行财富管理业务的高级AI数据工程师，你将负责设计、开发和优化支撑数据分析、机器学习和AI解决方案的大规模数据平台与管道
你需要与数据科学家、分析师及业务团队紧密合作，确保提供可信赖、高效、安全的数据
此外，你将支持AI智能体用例，构建相关的数据服务、检索架构和知识存储集成
该岗位既需要扎实的数据工程功底，也要求理解AI应用，并在团队中承担技术指导和交付的职责
最低要求
学历要求：计算机科学、软件工程、信息技术或相关领域的学士学位或更高学历（或同等经验）
强编程技能：精通Python, Java, SQL，具备PySpark开发和AI及分析工作负载的实际数据工程模式经验
数据建模与大数据技术：深入理解数据建模、ETL/ELT、Apache Spark、Kafka、Delta Lake，以及用于批处理和近实时用例的可扩展数据设计
云数据平台经验：具有云数据平台（AWS, Azure, GCP）及相关数据服务的实践经验，强烈偏好Databricks Lakehouse, Unity Catalog 和 Databricks Workflows
编排工具：具有使用编排工具（如Airflow）进行管道调度、依赖管理和跨环境运营可靠性的实践经验
数据库知识：熟悉Oracle, MS SQL, PostgreSQL, Vector DB
容器平台经验：熟悉OCP, AKS, EKS
敏捷方法论与流程：熟悉敏捷方法论、软件变更请求管理、应用交付流程和技术故障排除
工作职责
应用数据工程 - 设计、构建和维护支持业务应用和AI智能体用例的应用级数据层和管道
黄金来源数据集成 - 从权威的上游系统实施可扩展的数据摄取和集成管道
应用聚焦数据服务 - 开发适合用途的数据存储、API和服务模式，用于应用程序消费
数据质量、治理与可观测性 - 构建和运营数据质量控制、血缘、访问控制、监控和故障排除实践
AI智能体与大语言模型赋能 - 为AI智能体和基于大语言模型的解决方案实施数据和集成能力
跨职能交付 - 与工程师、架构师、数据所有者和AI团队紧密合作
持续改进与创新 - 参与评估和采用新工具、模式和平台能力
战略支持 - 支持执行数据基础设施优先事项和路线图交付物
业务价值 - 推广工程匠心，专注于通过可靠高效的数据解决方案交付业务价值
负责数据管道和基础设施的技术交付和技术卓越性
跨多个小组或蜂巢交付复杂的数据集成项目
作为数据管道问题和交付挑战的升级点
与变更交付经理合作制定数据项目的交付和发布计划
展现对数据质量和可靠性的热情，并以用户为中心
流程优化 - 研究现有的数据工程流程并做出改进
分析、消除或减轻跨团队的数据依赖性
负责生产数据输出的准备
实施DataOps实践
人员培养 - 致力于提升工程师的技术专长
指导和培训团队
分享数据建模、管道设计模式和性能优化技术的知识
风险管理与治理 - 遵循风险管理标准
遵循减轻风险的通用实践
确保所有制品和保证交付物符合要求的标准和政策
监管与商业行为 - 展示模范行为，践行集团价值观和行为准则
个人负责嵌入最高道德标准
有效识别、上报、缓解和解决风险、行为和合规问题
优先资格
强烈理解Wealth Journey平台架构、功能和能力，并在解决方案设计、配置、定制和集成方面有实践经验
了解Wealth Journey和WM销售治理流程（如新财富客户入职、风险评估、交易前/后合规检查、投资组合表现等）
AI 洞察
优缺点分析
优点
- 技术栈先进且全面，能深入实践大数据、云原生及AI数据工程的前沿技术
- 业务领域明确（财富管理），有助于积累高价值的金融科技领域经验
- 平台大，能接触到跨国银行体系内复杂的业务流程、数据治理标准和大型项目
- 岗位兼具技术深度和团队指导职责，对个人综合能力的提升很有帮助
- 金融行业的合规与数据安全要求极高，工作需要严格遵循众多标准和流程
- 业务场景复杂，需要理解财富管理领域的专业知识，对纯技术背景者有一定学习曲线
- 作为跨国企业，可能需要适应复杂的组织架构、跨文化协作和较长的决策链条
- 适合具备扎实大数据工程背景、对金融科技和AI应用有浓厚兴趣、并希望承担一定技术领导职责的资深工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术路线：深耕金融科技领域的数据架构和AI数据平台，成长为首席数据工程师或数据架构师
- 管理路线：凭借出色的技术领导力和跨团队协作经验，可发展为工程团队负责人或技术部门经理
- 领域专精路线：成为财富管理或金融反欺诈等特定业务领域的数据专家，并可能参与AI创新项目的孵化
- 设计和构建支撑财富管理业务分析与AI应用的大规模数据平台和ETL/ELT管道
- 确保数据的高质量、安全性和可治理性，为业务决策和AI模型（包括大语言模型）提供可靠的数据基础
- 领导和参与AI智能体的数据服务开发，包括检索架构、知识库集成等
- 指导团队提升数据工程实践，并跨团队协调解决复杂的数据交付问题
- 精通Python、Java、SQL及PySpark等大数据处理框架，具备扎实的数据建模和管道设计能力
- 熟悉主流云数据平台（特别是Databricks Lakehouse）和实时数据处理技术（如Kafka）
- 理解AI/LLM工作负载的数据需求，并有相关的数据集成和赋能经验
- 具备优秀的跨团队沟通协作能力和技术指导能力，能在复杂的组织结构中推动项目落地
申请策略
- 在简历和面试中，强调你不仅能“构建”数据管道，更能理解其“业务价值”并确保其“可靠、安全”
- 准备讲述一个你解决复杂数据问题或推动数据流程优化的具体故事，体现你的技术深度和解决问题的能力
- 了解渣打银行在数字化转型和AI方面的公开战略，展示你与公司方向的契合度
- 详细描述使用PySpark、Databricks、Airflow等工具构建和处理大规模数据管道的具体项目经验
- 突出任何与AI/ML数据准备、知识图谱或向量数据库相关的实践经验
- 举例说明在数据质量、治理或DevOps/DataOps方面的实践成果
- 强调在复杂团队环境中担任技术骨干、指导他人或推动跨团队协作的经历
- 如果对财富管理业务不熟悉，可以提前了解该领域的基本概念、流程和术语
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化回答行为问题
- 在描述技术方案时，先概述整体架构，再深入关键技术点，并强调为何做出特定选择（如选型对比、权衡考虑）
- 对于跨团队协作和指导类问题，重点描述你如何沟通、协调、设定标准并最终达成共同目标
- 请描述一个你设计和实现过的、最复杂的数据管道架构，包括技术选型和遇到的挑战
- 如果业务方提出一个需要实时和批量数据支持的AI分析需求，你会如何规划数据解决方案？
- 在数据质量和数据时效性之间产生冲突时，你会如何权衡和处理？
- 请举例说明你如何指导或帮助团队成员提升他们的数据工程技能
- 你对使用向量数据库支持大语言模型应用有什么经验或看法？
职位点评
薪资福利75
成长发展90
工作生活55
使命价值70
薪资福利
75中等
作为跨国银行的高级技术岗位，预计提供市场水准或以上的薪酬福利体系，但具体细节JD未披露。
薪资信号未披露（AI估算：3.5–5.5万/月）
成长发展
90较高
该职位要求掌握前沿的大数据、云原生及AI数据工程技术，且职责包含技术指导和架构设计，为个人技能成长和职业晋升提供了清晰路径和高级挑战。
技术前沿前沿/新兴技术
技术栈Python、PySpark、Databricks、Delta Lake、Kafka、Vector DB、AI/LLM、RAG
成长机会Continuous Improvement and Innovation、Upskilling technical expertise、Mentoring and training
业务类型profit_center
工作生活
55较低
JD未明确提及办公模式或工作时间安排，但作为银行现场岗位，通勤和办公灵活性可能受限，需要确认具体WLB情况。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
该职位在财富管理这一传统金融领域应用前沿的AI技术，旨在提升业务智能化水平，具有明确的商业价值和社会价值，但创新性质更多是应用层创新。
行业发展稳定成熟行业
社会影响中性/一般
使命信号Enable reliable, data-driven business and AI outcomes、Drive the domain towards future state of banking and technology
创新程度积极采用新技术
渣打银行 的其他在招职位
相似职位推荐
Watch Jobs