|
|
| |
| |
职位描述 用小程序查看更多 |
|
职责描述
主要职责：
1. 深度结合业务（海尔模式及文化、产品运营、用户体验）并赋能业务：
- 为业务提供知识入口，将与业务相关的知识流转。
- 将知识管理深度集成到业务流程中。
- 为业务赋能，实现业务知识化、数字化。
2. 数据治理与数据架构：
- 设计并实施公司级的数据治理框架，包括制定数据标准、质量规范、主数据管理和元数据管理策略。
- 建立和完善数据资产目录，提升数据的可发现性、可信度与安全性，确保数据在整个生命周期内的合规使用。
- 与业务和IT部门合作，厘清数据血缘关系，监控数据质量，并推动数据质量问题的解决。
3. 数据挖掘与价值洞察：
- 利用统计建模、机器学习和深度学习算法，对结构化和非结构化数据进行深度分析，以解决复杂的业务问题（如客户生命周期价值预测、市场趋势分析、运营效率优化等）。
- 主导从数据探索、特征工程、模型训练到部署上线的全流程。
- 通过数据讲故事，将分析结果转化为具有影响力的商业洞察，为高层决策提供支持。
4. 知识提取与知识工程：
- 运用自然语言处理、文本挖掘和信息抽取技术，从海量非结构化数据（如文档、图文、视频、报告、理论知识、学术论文）中自动提取关键实体、关系和概念。
- 主导构建、维护和演化企业级知识图谱，将分散的数据点连接成具有语义意义的网络。
- 探索和应用大语言模型进行智能内容摘要、分类和知识生成。
5. 知识管理体系构建：
- 负责规划、设计和维护公司的知识管理系统（例如：企业Wiki、知识图谱、文档管理系统等）。
- 建立知识获取、分类、存储、共享和更新的标准流程与制度，确保知识的准确性和时效性。
- 利用自然语言处理（NLP）等技术，对非结构化文档（如研究报告、项目总结、客户反馈）进行智能标签、分类和知识抽取。
6. 知识管理体系与赋能：
- 设计并运营集成的知识管理平台，确保挖掘出的洞察和提取的知识能够被有效地分类、存储、共享和复用。
- 创建知识流转的流程与文化，鼓励“知识贡献”，并将知识管理深度集成到业务流程中。
- 基于知识图谱和智能搜索技术，打造企业级的“智能大脑”，提供精准的知识推荐和问答服务，提升全员工作效率与决策质量。
任职要求
必备条件：
- 计算机科学、统计学、信息管理、人工智能、知识管理或相关领域的硕士及以上学历。
- 5年以上以上数据挖掘、数据治理和知识管理相关工作经验，深刻理解数据生命周期和知识管理生命周期。
- 精通SQL，并熟练掌握Python或R等数据分析语言。
- 具有扎实的统计学基础，熟悉常见的机器学习算法（如分类、聚类、回归、关联规则等），并有实际项目经验。
- 对知识管理理论和方法有深入理解，有实际构建或运营知识管理系统的经验。
- 出色的逻辑思维能力、业务理解能力和沟通表达能力，能够将复杂的技术问题向非技术人员清晰地阐述，以及出色的跨部门沟通、项目管理和领导能力，能够推动复杂跨部门项目的落地。
- 强烈的战略思维和业务洞察力。
- 技术栈：
- 数据层面： 精通 SQL，熟练掌握 Python (Pandas, Scikit-learn)，有大数据平台经验。
- 数据治理： 熟悉数据治理理论，有实际实施数据质量、元数据管理或数据目录项目的经验。
- 数据挖掘： 扎实的机器学习理论基础和丰富的建模实战经验。
- 知识提取： 具备NLP项目经验，熟悉实体识别、关系抽取、文本分类等技术。
优先考虑条件：
- QS排名前100的System Infomation、Knowledge Management、Data Mining、Data Governance等相关专业
- 有构建和运维企业知识图谱的实际经验，熟悉图数据库，有构建和应用知识图谱的实际项目经验，熟悉图数据库（如Neo4j, Nebula Graph等）。
- 具备数据治理相关认证。
- 有使用大语言模型进行知识提取或应用的实战经验。
- 熟悉主流的数据治理和知识管理工具平台。
- 在数据中台或知识中台建设项目中担任过核心角色。
- 熟悉大数据技术生态（如Hadoop, Spark, Hive）。
- 有使用主流BI工具（如Tableau, Power BI, Quick BI）的经验。
- 在数据治理、元数据管理方面有相关经验。
|
|
| |
|
|
| |
|
