1、學(xué)歷與經(jīng)驗(yàn)：
本科及以上學(xué)歷，計(jì)算機(jī)、信息管理、數(shù)學(xué)或相關(guān)理工科專業(yè)。5年以上數(shù)據(jù)治理/數(shù)據(jù)管理相關(guān)工作經(jīng)驗(yàn)。
優(yōu)先考慮： 有制造業(yè)、特別是裝備制造或汽車零部件行業(yè)經(jīng)驗(yàn)者；有參與過大型企業(yè)數(shù)據(jù)治理從0到1建設(shè)經(jīng)驗(yàn)者。2、專業(yè)能力：
2、方法論掌握： 深入理解DAMA（國(guó)際數(shù)據(jù)管理協(xié)會(huì)）數(shù)據(jù)管理體系或DCMM（數(shù)據(jù)管理能力成熟度評(píng)估模型），熟悉數(shù)據(jù)治理各領(lǐng)域的核心理論和實(shí)踐。
數(shù)據(jù)質(zhì)量管理： 熟悉數(shù)據(jù)質(zhì)量六性標(biāo)準(zhǔn)，有實(shí)際的數(shù)據(jù)質(zhì)量稽核和問題推動(dòng)經(jīng)驗(yàn)。
主數(shù)據(jù)管理： 熟悉制造業(yè)核心主數(shù)據(jù)（物料、BOM、設(shè)備等）的管理流程和常見問題解決方案。
元數(shù)據(jù)與血緣： 理解元數(shù)據(jù)管理價(jià)值，有數(shù)據(jù)血緣解析和可視化經(jīng)驗(yàn)者優(yōu)先。
技術(shù)能力： 熟練使用SQL，熟悉大數(shù)據(jù)生態(tài)組件（Hadoop, Hive, Spark）者優(yōu)先；有數(shù)據(jù)治理工具（如Atlas, DataHub, Collibra, 國(guó)內(nèi)廠商產(chǎn)品）使用經(jīng)驗(yàn)者優(yōu)先。
3、軟性素質(zhì)：
跨部門推動(dòng)力： 數(shù)據(jù)治理本質(zhì)是管理問題而非純粹的技術(shù)問題。需要具備極強(qiáng)的溝通協(xié)調(diào)能力，能推動(dòng)業(yè)務(wù)部門（研發(fā)、生產(chǎn)、供應(yīng)鏈）配合執(zhí)行數(shù)據(jù)標(biāo)準(zhǔn)。
業(yè)務(wù)理解力： 能夠快速理解電驅(qū)、電控產(chǎn)品的研發(fā)流程和生產(chǎn)邏輯，將業(yè)務(wù)語(yǔ)言轉(zhuǎn)化為數(shù)據(jù)標(biāo)準(zhǔn)。
耐心與原則： 面對(duì)海量歷史數(shù)據(jù)和復(fù)雜業(yè)務(wù)現(xiàn)狀，既要堅(jiān)持治理原則，又要具備解決現(xiàn)實(shí)問題的靈活性。
4、加分項(xiàng)
有數(shù)據(jù)治理相關(guān)認(rèn)證（如CDMP、DCMM評(píng)估師）者優(yōu)先。
熟悉AI/機(jī)器學(xué)習(xí)對(duì)數(shù)據(jù)質(zhì)量的要求，有支撐AI應(yīng)用數(shù)據(jù)治理經(jīng)驗(yàn)者優(yōu)先。
有數(shù)據(jù)中臺(tái)建設(shè)經(jīng)驗(yàn)者優(yōu)先。