数据战略与架构设计：
● 制定企业级数据战略，设计数据平台架构（数据湖、数据仓库、数据中台）的演进路径，确保数据资产化与业务价值转化。
● 规划数据治理框架，包括数据质量、元数据管理、主数据管理及数据安全合规（如GDPR、数据安全法）。
AI与智能化架构：
● 主导模型/算法选型、数据建模、AI智能体架构设计等核心环节，确保技术方案与行业主流/最佳实践对标、与业务场景高度匹配，并具备可扩展性与成本效益。
● 带领数据与AI技术团队，主导关键业务场景（如智能风控、精准营销、预测性维护）的架构设计与技术攻关实施，确保技术方案转化为实际业务价值。
● 协调跨部门资源（如业务、产品、研发），推动数据与AI项目从需求分析到上线运营的全流程。建立数据与AI项目效果评估体系，通过指标（如模型准确率、业务转化率）驱动技术方案的迭代优化。
● 主导数据平台与AI中台的整合（如Data Fabric、Graph RAG、AI-Ready Data），推动技术生态的标准化。
应用架构设计与业务对齐：
● 基于业务战略制定企业级应用架构蓝图，确保系统设计与业务目标、数字化转型方向一致。主导跨系统、跨业务领域的架构设计，优化系统间交互与集成标准（如API网关、事件驱动架构）。
● 制定应用架构设计规范、技术选型标准及最佳实践，参与关键业务场景的技术可行性分析，评估技术方案对业务价值的影响。
二、任职资格
1. 学历与经验
本科及以上学历，计算机或相关专业背景，3年以上数据/AI领域经验，主导过至少2个数据/AI项目。具备大厂、主流乙方公司、集团型甲方公司关键技术岗经验。 熟悉业务场景下的技术选型，有将AI技术转化为实际业务价值的经验。
2. 技术能力
技术架构与方案设计：
深入理解数据架构设计（数据湖、数据仓库、数据治理）
精通主流AI模型与工程化架构、算法建模，能主导技术方案的全流程设计（从需求到部署）。了解行业技术最佳实践并保持对标。
工具与平台：精通主流数据与AI模型的应用与工程化实践、熟悉工具(Python/SQL/TensorFlow/PyTorch/LangChain/AutoGen/Prompt/MCP/(Graph)RAG/等）。
3、追求创新、结果导向、沟通与影响力