高级数据工程师

负责数据质量工程与监控（45%）：设计和实施自动化数据质量检查，确保关键数据集和管道的完整性、准确性、一致性、新鲜度和模式完整性。构建监控、警报和可观测性解决方案以检测异常、管道故障、数据漂移和意外变化。开发和维护跨源系统、转换数据集、报告和运营输出的 reconciliation 过程。与工程师和分析师合作定义质量规则、接受标准和数据验证要求。创建可重用的框架、脚本和工具用于生产环境和非生产环境的数据配置文件、测试和验证。

调查、分析与修复（35%）：通过追踪数据跨系统、转换和业务流程识别根本原因并推荐修复方案。使用 SQL、Python 和云数据工具分析大数据集，隔离异常，验证业务逻辑。支持数据相关生产问题的应急响应和问题解决，特别是在高优先级运营期间。与跨职能团队合作修复缺陷，改进上游流程，减少常见数据问题的再发生。

治理、文档与团队成功（20%）：文档数据定义、验证逻辑、数据血缘、质量规则和修复程序以提高透明度和运营准备度。贡献测试、版本控制、部署和数据质量解决方案持续维护的最佳实践。参与敏捷仪式、代码审查和团队规划，帮助分解工作为可管理的任务，提高团队生产力。支持数据治理、所有权和运营卓越标准的制定。与利益相关者合作提高共享数据资产的信任度，确保质量考虑从开始就被纳入交付。

工程、计算机科学或相关领域学士学位/同等经验
10年以上质量管理经验
精通SQL技能，能编写复杂查询分析、验证和调试跨多个系统的数据
数据工程、分析工程、数据质量、软件工程或相关领域专业经验，重点在数据调查和验证
有AI辅助开发工具（如GitHub Copilot、Claude）使用经验，能应用构建和部署AI代理自动化数据管道、编写代码和测试工作流
有云数据平台和工具（如AWS、Redshift、Athena、Snowflake、Databricks等）使用经验
精通Python或TypeScript用于自动化、测试和数据分析
有设计或维护生产数据集或管道数据质量检查、监控、警报或可观测性流程经验
深入理解数据结构、数据建模、转换、数据血缘和常见数据缺陷来源
能跨系统调查问题，应用业务逻辑，将模糊问题转化为结构化分析和行动
有BI/报表工具（如Tableau、QuickSight）使用经验为加分项
强沟通、文档和协作能力，能有效跨技术与非技术团队工作
具备学习心态，对新兴技术和AI工具充满好奇心，持续改进系统和流程
能支持高优先级运营期，有效响应生产数据问题
强人际和咨询技能