渣打银行
Lead AI Data Engineer, Wealth Management
Lead 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数据工程
数据工程
Etl
云计算
向量数据库
容器化
敏捷方法
数据工程
数据库
数据管道
值不值得投
80综合评分
综合评分 80
跨国银行Lead数据工程师，技术前沿、薪资偏高，但WLB可能一般。
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
40K
比数据工程中位数高
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 · 其中数据工程 4 个
市场机会
选择适中
广州 · 数据工程 · 21 个在招
职位详情
关于这个职位
作为首席AI数据工程师，您将负责设计、构建和维护可扩展的数据基础设施和管道，支持跨组织的决策智能化
与数据科学家、分析师及业务团队紧密合作，确保数据流动的可靠性、高效性和安全性，并集成AI能力以赋能财富管理业务
最低要求
年以上工程经验，构建数据驱动应用，有企业级数据平台在云环境中交付的实证经验
强大的软件产品业务知识，深入理解财富管理旅程和销售治理流程（如新客户入职、风险分析、交易前后合规检查、投资组合绩效等）
软件产品技术知识：熟悉财富旅程平台架构、功能与能力，具备解决方案设计、配置、定制和集成的实战经验
数据库技能：Oracle, MS SQL, PostgreSQL, Vector DB
容器平台：OCP, AKS, EKS
敏捷方法论
软件变更请求管理
应用交付流程
技术故障排除
工作职责
数据管道开发与维护：设计、构建和维护可扩展的ETL/ELT管道，从多个来源摄取、转换和加载数据到数据仓库和数据湖
数据架构与基础设施：设计和实施数据架构解决方案，包括数据仓库、数据湖和流平台，使用现代云技术和最佳实践
数据质量与治理：实施数据质量检查、验证框架和监控系统，确保所有数据管道的数据准确性、完整性和可靠性
性能优化：优化数据管道和查询，提升性能、可扩展性和成本效率，确保数据在需要时以最小延迟可用
数据集成：集成来自不同来源的数据，包括数据库、API、第三方服务和实时流平台，创建统一数据存储库
自动化与编排：使用编排工具开发自动化工作流，以调度、监控和管理数据管道执行和依赖关系
与数据团队协作：与数据科学家、分析师和商业智能团队紧密合作，理解数据需求并交付数据解决方案以支持洞察和分析
数据安全与合规：实施安全最佳实践、访问控制，并确保所有数据系统符合数据隐私法规（如GDPR, CCPA等）
文档与知识共享：创建和维护全面文档，涵盖数据管道、架构和流程，以支持团队协作和知识转移
监控与故障排除：监控数据管道健康状况，调查数据差异并排除问题，维护数据系统的高可用性和可靠性
创新与技术评估：关注新兴数据技术、工具和最佳实践，评估并推荐新解决方案以改进数据基础设施
战略支持：支持Hive技术负责人、产品区负责人和工程团队在数据基础设施战略和路线图执行方面的策略
业务贡献：推动工程技艺，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在团队中的技术交付和技术卓越
跨多个团队工作以交付复杂数据集成项目
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交付和发布计划
展示对数据质量和可靠性的热情，以用户为中心
推动领域通过现代数据实践迈向未来银行和技术状态
确保数据解决方案与业务架构、技术架构和企业技术标准的技术一致性
流程改进：研究现有数据工程流程并贡献改进以提升数据交付和运营效率
分析、消除或缓解跨团队数据依赖以加快交付速度和质量
负责生产数据输出的准备和规划，符合ESDLC标准
实施DataOps实践以简化数据管道开发、测试和部署
人员与人才：提升工程师技术专长以使其在数据工程实践和工具中更高效
指导和培训团队在数据工程最佳实践、技术和方法论
分享数据建模、管道设计模式和性能优化技术知识
风险管理：遵循适用于其章节领域的风险管理标准
遵守缓解各自领域风险的通用实践
治理：确保所有工件和保证交付物符合所需标准和政策（如SCB治理标准、ESDLC等）
监管与业务行为：展示模范行为，遵循集团价值观和行为准则
个人负责在渣打银行内嵌入最高道德标准，包括监管和业务行为
有效协作识别、上报、缓解和解决风险、行为和合规事项
关键利益相关者：架构师、工程负责人
全球财富管理数字所有者，负责业务优先级和计划
业务和技术经理，负责解决方案设计和交付
其他职责：在财富旅程团队中嵌入'Here for good'和集团品牌及价值观
执行集团、国家、业务或职能政策和程序下的其他分配职责
优先资格
之前在金融科技（财富管理、资产管理）领域的经验
熟悉金融概念，如投资组合建模、再平衡、风险分析和合规法规（例如FINRA, SEC）
可观测性工具经验（Prometheus, Grafana, ELK stack），和/或Databricks工作负载、AI代理、LLM调用和工具执行遥测的监控模式
为财富咨询、客户服务、投资研究或顾问赋能用例构建面向领域的AI或分析解决方案的经验
熟悉Databricks ML/AI能力、向量搜索、模型服务和企业LLM平台的集成模式
AI 洞察
优缺点分析
优点
- 技术栈前沿，涉及AI、云计算和大数据，有助于技能积累
- 在跨国银行平台工作，接触国际化项目和标准
- 财富管理行业前景稳定，数据驱动需求持续增长
- 需要持续跟进快速更新的数据和AI技术，保持学习强度
- 适合有10年以上数据工程经验、对AI在金融中应用感兴趣、具备领导力并追求技术与业务融合的资深工程师
缺点 / 挑战
- 金融行业合规要求严格，可能增加工作复杂性和责任压力
- 作为Lead角色，需平衡技术深度与团队管理，可能面临多任务挑战
角色解读
- 可晋升为数据架构师或首席数据工程师，负责更宏观的数据战略
- 转向技术管理岗位，如数据团队负责人或工程总监
- 深耕AI与数据融合领域，成为金融科技领域的专家顾问
- 设计并维护企业级数据管道和架构，支持财富管理业务的数据驱动决策
- 集成AI能力（如LLM、向量搜索）到数据平台，提升业务智能化水平
- 负责数据质量、安全与合规，确保数据流程可靠且符合金融监管要求
- 指导团队技术成长，推动数据工程最佳实践和创新
- 精通数据工程全栈技能，包括ETL、数据建模、云平台（如AWS/Azure）和数据库管理
- 熟悉AI/ML集成，特别是Databricks、向量数据库和LLM平台
- 了解金融财富管理业务流程和合规要求
- 具备团队领导和跨职能协作能力
申请策略
- 在申请前研究渣打银行的数据架构和数字化战略，体现业务洞察
- 准备具体案例说明如何解决数据管道问题或推动技术创新
- 突出10年以上企业级数据平台项目经验，特别是云环境和AI集成案例
- 强调财富管理或金融行业相关背景，如风险分析、合规数据处理
- 展示团队指导和协作成果，体现领导能力
- 深入学习Databricks ML/AI功能、向量数据库和LLM集成模式
- 了解金融财富管理业务术语和流程，如投资组合建模、合规法规
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化回答，结合具体技术细节
- 强调业务价值导向，说明解决方案如何支持财富管理目标
- 分享失败或挑战经历，突出学习能力和改进措施
- 如何设计一个可扩展且可靠的ETL管道来处理财富管理数据？
- 在数据质量治理方面，你有哪些实践经验？如何应对数据不一致？
- 如何集成AI能力（如LLM）到现有数据平台中？请举例说明
- 作为Lead角色，你如何指导团队提升数据工程技能？
- 请描述一个你处理过的复杂数据集成项目及其挑战
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
跨国银行Lead职位通常提供有竞争力的薪酬和福利，满足薪资和稳定性需求。
薪资信号偏高 (3–5万/月)
成长发展
90较高
职位涉及前沿AI技术和企业级数据平台，有明确的技能提升和团队指导机会，利于职业发展。
技术前沿前沿/新兴技术
技术栈Databricks、AI、Vector DB、Cloud、ETL
成长机会Mentoring and training、upskilling technical expertise
业务类型profit_center
工作生活
60中等
未明确提及办公模式或WLB信号，金融行业可能工作强度较高，生活平衡需个人评估。
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
75中等
财富管理行业稳定，数据工程支持业务智能化，但社会影响力相对中性，创新集中于技术应用。
行业发展稳定成熟行业
社会影响中性/一般
使命信号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