岗位职责
数据治理体系搭建
制定数据标准、质量规则及元数据管理规范，推动数据治理流程制度化。
主导数据血缘分析，确保业务系统（如ERP、MES、SCRM、SRM等）与BI报表的数据一致性。
设计主数据管理体系（如物料编码、BOM、供应商数据、客户数据等），消除数据孤岛。
数据质量问题治理
识别并修复数据重复、缺失、格式错误等问题，建立数据质量监控看板。
设计自动化数据清洗规则（如去重逻辑、异常值处理），优化ETL流程。
对接BI团队，优化数据集市设计，提升报表数据可信度。
跨部门协作与落地
联动营销服、供应链、研发、等部门，梳理核心业务数据需求与治理优先级。
推动数据治理项目落地，包括数据标准宣贯、流程优化及工具部署。
定期输出数据质量报告，向管理层汇报治理进展与业务价值。
任职要求
教育背景
本科及以上学历，计算机、信息管理、统计学或相关专业。
技术能力
数据治理工具：熟悉Informatica、Alation、Collibra等工具，或有Python/SQL脚本开发经验（如元数据管理、自动化清洗）。
数据质量工具：掌握Great Expectations、Trifacta等工具，能编写数据质量检测规则。
数据库与BI：精通SQL优化，熟悉制造业常用数据库（如Oracle、InfluxDB），了解Power BI/Tableau数据建模逻辑。
大数据技术：有Hadoop/Spark处理设备传感器数据或生产日志经验者优先。
行业经验
熟悉制造业业务流程（如生产计划、供应链管理、设备运维），了解行业术语（如良率、OEE、BOM）。
有制造业数据治理项目经验者优先（如设备数据清洗、供应链数据整合）。
软技能
业务理解力：能快速将业务需求转化为数据治理方案，推动技术落地。
沟通协作：擅长跨部门协作，能用非技术语言向业务部门解释数据问题。
方法论：熟悉DAMA数据治理框架或ISO 8000标准，具备项目管理能力（PMP/CSM认证加分）。
加分项
熟悉制造业数据痛点（如设备传感器数据噪声处理、多系统数据融合）。
有数据血缘分析工具（如Apache Atlas）或低代码工具（如Alteryx）使用经验。
发表过数据治理相关文章或参与行业标准制定者优先。