主分类：数据工程与数据平台研发
辅助：数据分析与数据科学（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "亚博科技-银行数据专家-经营/商业分析",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "亚博科技",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "数据类-商业数据分析"AI生成
},
"company": {
"company_name": "亚博科技",
"company_industry": "金融科技",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "亚博科技是一家金融科技集团。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 数据架构与数仓开发：主导银行核心业务数据仓库（ODS/DWD/DWS/ADS）的架构设计与模型建设，编写高效、可维护的 SQL/Python/Scala 代码，实现 ETL 流程自动化，保障底层数据资产的稳定产出。\n2. 数据治理体系搭建：主导数据标准、数据质量、元数据管理及数据血缘的建设。识别并解决跨业务线的数据孤岛、口径不一致及质量问题，确保数据的准确性、完整性和及时性，为上层 BI 应用提供坚实的数据基础。\n3. BI 体系与指标构建：深入理解零售银行、跨境支付、财富管理等业务场景，设计并监控关键业务指标（KPIs/OKRs）。建立从宏观经营到微观用户行为的完整指标体系，通过多维数据分析发现业务痛点与增长点。\n4. 数据可视化与工具提效：开发并优化自助式数据分析工具与可视化看板（如 Tableau/PowerBI 或自研平台），实现业务状态的实时可视化监控，降低业务人员用数门槛，提升全员数据素养。\n5. 团队赋能与梯队建设：作为核心技术骨干，与现有外包团队成员紧密协作，通过代码 Review、技术分享及规范制定等方式，提升全员数据素养。",
"requirements_text": "1. 编程与底层技术：精通 SQL，具备极强的复杂查询优化能力；熟练掌握 Python 或 Scala，拥有实际的大数据处理经验（Spark/Hadoop/Hive 等）。\n2. 数据治理与架构经验：熟悉数据治理方法论（如 DAMA），有从 0 到 1 搭建数据质量标准、主数据管理或数据血缘系统的实战经验。\n3. 业务洞察与逻辑思维：具备优秀的逻辑思维能力和商业洞察力，能够将复杂的银行业务需求转化为清晰的数据模型与 BI 解决方案。\n4. 行业背景要求：具备 8 年以上数据开发与分析经验，有银行业、Fintech 或大型金融机构数据中台/数仓建设经验者优先。\n5. 团队管理与协作能力：具备良好的沟通协调能力与“传帮带”意识，有带领团队或从 0 到 1 组建数据团队的实战经验者优先。",
"skills": [AI生成
"Python",
"Scala",
"SQL",
"Spark",
"Hadoop",
"数据治理",
"团队管理",
"沟通协调",
"沟通能力",
"逻辑思维"
],
"preferred_qualifications": "4. 行业背景要求：具备 8 年以上数据开发与分析经验，有银行业、Fintech 或大型金融机构数据中台/数仓建设经验者优先；5. 团队管理与协作能力：具备良好的沟通协调能力与“传帮带”意识，有带领团队或从 0 到 1 组建数据团队的实战经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.agtech.com/off-campus/position-detail?positionId=100016660001"
}
]
},
"posting": {
"posting_id": "100016660001",
"post_date": "2026-08-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.agtech.com/off-campus/position-detail?positionId=100016660001"
},
"fulltext": "亚博科技-银行数据专家-经营/商业分析\n亚博科技-银行数据专家-经营/商业分析\n\n基础信息\n职位类别：数据类-商业数据分析\n工作地点：深圳\n\n职位描述\n1. 数据架构与数仓开发：主导银行核心业务数据仓库（ODS/DWD/DWS/ADS）的架构设计与模型建设，编写高效、可维护的 SQL/Python/Scala 代码，实现 ETL 流程自动化，保障底层数据资产的稳定产出。\n2. 数据治理体系搭建：主导数据标准、数据质量、元数据管理及数据血缘的建设。识别并解决跨业务线的数据孤岛、口径不一致及质量问题，确保数据的准确性、完整性和及时性，为上层 BI 应用提供坚实的数据基础。\n3. BI 体系与指标构建：深入理解零售银行、跨境支付、财富管理等业务场景，设计并监控关键业务指标（KPIs/OKRs）。建立从宏观经营到微观用户行为的完整指标体系，通过多维数据分析发现业务痛点与增长点。\n4. 数据可视化与工具提效：开发并优化自助式数据分析工具与可视化看板（如 Tableau/PowerBI 或自研平台），实现业务状态的实时可视化监控，降低业务人员用数门槛，提升全员数据素养。\n5. 团队赋能与梯队建设：作为核心技术骨干，与现有外包团队成员紧密协作，通过代码 Review、技术分享及规范制定等方式，提升全员数据素养。\n\n职位要求\n1. 编程与底层技术：精通 SQL，具备极强的复杂查询优化能力；熟练掌握 Python 或 Scala，拥有实际的大数据处理经验（Spark/Hadoop/Hive 等）。\n2. 数据治理与架构经验：熟悉数据治理方法论（如 DAMA），有从 0 到 1 搭建数据质量标准、主数据管理或数据血缘系统的实战经验。\n3. 业务洞察与逻辑思维：具备优秀的逻辑思维能力和商业洞察力，能够将复杂的银行业务需求转化为清晰的数据模型与 BI 解决方案。\n4. 行业背景要求：具备 8 年以上数据开发与分析经验，有银行业、Fintech 或大型金融机构数据中台/数仓建设经验者优先。\n5. 团队管理与协作能力：具备良好的沟通协调能力与“传帮带”意识，有带领团队或从 0 到 1 组建数据团队的实战经验者优先。\n1. 数据架构与数仓开发：主导银行核心业务数据仓库（ODS/DWD/DWS/ADS）的架构设计与模型建设，编写高效、可维护的 SQL/Python/Scala 代码，实现 ETL 流程自动化，保障底层数据资产的稳定产出。\n2. 数据治理体系搭建：主导数据标准、数据质量、元数据管理及数据血缘的建设。识别并解决跨业务线的数据孤岛、口径不一致及质量问题，确保数据的准确性、完整性和及时性，为上层 BI 应用提供坚实的数据基础。\n3. BI 体系与指标构建：深入理解零售银行、跨境支付、财富管理等业务场景，设计并监控关键业务指标（KPIs/OKRs）。建立从宏观经营到微观用户行为的完整指标体系，通过多维数据分析发现业务痛点与增长点。\n4. 数据可视化与工具提效：开发并优化自助式数据分析工具与可视化看板（如 Tableau/PowerBI 或自研平台），实现业务状态的实时可视化监控，降低业务人员用数门槛，提升全员数据素养。\n5. 团队赋能与梯队建设：作为核心技术骨干，与现有外包团队成员紧密协作，通过代码 Review、技术分享及规范制定等方式，提升全员数据素养。\n1. 编程与底层技术：精通 SQL，具备极强的复杂查询优化能力；熟练掌握 Python 或 Scala，拥有实际的大数据处理经验（Spark/Hadoop/Hive 等）。\n2. 数据治理与架构经验：熟悉数据治理方法论（如 DAMA），有从 0 到 1 搭建数据质量标准、主数据管理或数据血缘系统的实战经验。\n3. 业务洞察与逻辑思维：具备优秀的逻辑思维能力和商业洞察力，能够将复杂的银行业务需求转化为清晰的数据模型与 BI 解决方案。\n4. 行业背景要求：具备 8 年以上数据开发与分析经验，有银行业、Fintech 或大型金融机构数据中台/数仓建设经验者优先。\n5. 团队管理与协作能力：具备良好的沟通协调能力与“传帮带”意识，有带领团队或从 0 到 1 组建数据团队的实战经验者优先。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [
"T017"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}