1、负责企业级大数据平台的整体架构规划与设计，涵盖数据库技术、数据采集、存储、加工、流转全链路，确保架构与业务需求紧密对接。 2、设计数据架构、数据湖、数据仓库、数据中台等核心数据基础设施的演进路径，推动数据资产化与业务价值转化。 3、制定数据治理框架，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）。 4、打破数据孤岛，实现数据的统一管控与高效复用。 5、负责AI智能体（Agent）架构设计，包括感知层（多模态数据融合）、决策层（自主决策）、执行层（指令下发与反馈闭环）。 6、主导大模型应用架构设计，涵盖RAG（检索增强生成）、向量数据库、知识图谱等核心技术的集成。 1. 学历与工作经验 - 学历：本科及以上学历，计算机科学、人工智能、数据科学、数学等相关专业。 - 工作经验：5年以上大数据或AI领域经验，其中3年以上数据架构设计或AI项目落地经验。 - 有主导中大型数据平台或AI平台建设的成功案例。 2. 技术能力 - 数据架构能力：精通数据库技术（PG/ORACLE/高斯/OB等）、高并发大负载下的数据一致性，熟悉分布式事务、数据编织、数据湖仓、数据中台、实时计算等现代数据架构。熟悉Spark/Flink/Kafka等大数据技术栈。 - AI架构能力：具备企业级AI架构设计能力，理解数据平台+大模型+业务系统的整体架构。熟悉MLOps全链路（特征工程、模型监控等）。 - 编程能力：精通Python/Java/Go/C++等至少一种编程语言。 - 前沿技术：熟悉RAG、智能体（Agent）、向量数据库、知识图谱、大模型应用架构等。 - 架构框架：了解TOGAF、DAMA、DCMM等架构设计与数据治理框架体系。 3. 业务理解与综合能力 - 业务洞察：具备优秀的业务理解能力，能快速理解行业业务逻辑与核心指标体系。 - 沟通协作：具备出色的跨团队沟通协作及项目管理能力。 - 方案表达：具备优秀的方案表达与沟通能力，能够面向技术和业务人员进行清晰的架构讲解。 - 抽象能力：具备较强的抽象能力，能够从具体场景中提炼通用能力，形成可复制的产品化解决方案。 - 结果导向：追求创新、结果导向，具备技术领导力。 4. 加分项 - 有企业级AI平台或大模型应用落地经验。 - 熟悉数据建模、本体建模或语义层设计。 - 有大型企业数字化转型或数据平台建设经验。 - 持有AWS/Azure/GCP数据服务专家或解决方案架构师相关认证。 - 有金融、制造、供应链等行业解决方案经验。