东营数据治理
数据治理是指在组织内部建立起一套管理数据的体系，以确保数据的合规性、安全性和有效性。数据治理涉及数据的收集、存储、处理、共享和分发，旨在使数据成为组织决策和运营的可靠基础。在数据治理框架下，组织会明确数据所有权、责任和流程，确保数据被正确管理并符合法规和政策。这包括对数据质量的监督、数据安全的保护、数据隐私的合规以及数据使用的透明度和责任。数据治理旨在帮助组织更好地管理和利用数据资产，提高数据的可信度和可用性，从而促进业务决策的准确性和组织运行的高效性。
薪酬概览
平均月薪
¥8200
中位数 ¥9000 ｜ 区间 ¥7000 - ¥9400
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
60% 人群薪酬落在 8-15k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
6月新增岗位
8
对比上月：岗位减少2
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 1-3年 | 2 | 28.6% |
| 5-10年 | 5 | 71.4% |
热招职位
初中地理教师(骨干教师)5-8K/月
到岗时间： 该职位为储备状态
1、具有对应学科的教师资格证；
2、相关专业，全日制本科及以上学历，有教学经验者可放宽到专科；
3、身体健康、无不良嗜好。
1. 具备出色的沟通技巧和团队合作能力。
2. 能够有效管理时间和任务，确保工作质量。
3. 对商场运营有深入理解，能够处理相关问题。
4. 能够独立处理和解决商户和顾客的投诉。
财险山东-财务会计部-报销票据整理岗4K-6K元/月
单据登记：接收所负责部门/机构的票据及附件时办理登记交接，并妥善保管原始附件。
负责严格执行公司各项规章制度，审核报销事项合理性、附件完整性、发票真实性、标准符合性、收款对象合规性、核算准确性等，对不符合报销审核标准的及时退回并通知报销经办人。
发票查验：对费控系统失败的发票进行人工查验（在税务局官方网站上对所收的发票进行真假查验）。对系统发生发票红冲等问题的，及时联系报销经办人员处理。
负责解答各机构、部门报销人关于费用报销的相关问题咨询，顺畅报销流程；对费用复核岗退回初审的单据，及时检查问题原因、及时沟通并修正。
配合制度规划岗起草费用审核报销相关文件。
单据归档：负责及时将报销单原始单据整理移交归档，负责将报销单中的增值税专业用发票抵扣联抽出单独装订归档。
收集各机构、部门报销问题，分类给予优化方案：涉及制度宣导的，配合做好培训及宣导配合；涉及系统优化的，提交优化需求并跟进解决。
领导交办的其他工作。
1、对各种品牌车型进行出镜直播讲解，熟悉了解各种车型的车况配置价格政策，直播内容以聊车相关内容为主，掌握必备知识储备；
2、在直播过程中针对用户实时提问，进行针对性讲解，和引导式沟通，增加亲和度，获取用户信任，吸引粉丝关注并引导留咨；
3、根据自身风格特点，配合参与短视频脚本的输出，同时进行视频的出镜拍摄，根据主播形象打造个人IP；
4、通过直播互动形式引导鼓励顾客留咨试驾，跟进直播效果，复盘总结分析直播数据，并不断改进优化；
22、非直播或拍摄期间，配合运营、结合用户需求完成直播前期的准备工作；
蓝星公司-数字化部-数据管理经理 BI Manager
根据蓝星公司数字化部工作安排，负责全球数据治理及数据分析工作。主导挖掘数据分析应用场景、收集相关业务部门需求，构建数据报表与可视化分析看板。负责商业智能类项目全流程管理，从需求分析、方案设计、开发实施到上线交付，提升业务经营效率与数据洞察能力，助力企业数字化运营升级。
1.主导开展数据治理工作，推动数据标准制定、数据质量提升及主数据管理，确保分析数据的准确性、一致性与时效性。
2.统筹境内及海外数据湖、数据仓库架构及BI工具（如Fabric、Power BI等）的项目落地及优化迭代，并主导跨境数据传输项目。
3.负责商业智能类项目全流程管理，从需求分析、方案设计、开发实施到上线交付，确保项目按时保质完成。定期开展业务部门调研与需求收集，洞察业务痛点，识别高价值数据分析应用场景。
4.组织跨部门研讨，将业务需求转化为可落地的数据指标、分析模型与可视化方案。
5.组织编制需求规格说明书，明确指标定义、计算逻辑、数据粒度及权限要求，确保业务语言与技术实现精准对齐。
6.协调业务、数据、IT多方资源，管理项目范围、进度、成本及风险。
7. 公司安排的其他工作。
1、建立并完善企业数据治理体系，制定数据治理规划、目标、实施路径与关键项目。
2、制定大数据工程研发规范，统一数据分层架构，提升研发效率并降低运维成本。
3、围绕AI应用场景，开展业务领域数据治理，制定数据标准与流程，确保数据质量与可用性。
4、构建数据/知识平台，支撑AI应用的高质量数据输入，保障数据完整性、准确性与安全性。
5、负责数据平台的建设、维护与升级，确保平台稳定运行并持续满足业务需求。
二、任职要求
1、本一批及以上职学历，计算机相关专业。
2、3年上IT开发经验，熟悉数据仓库、数据建模、数据抽取与清洗等相关技术。
3、熟练使用Hadoop、Hive、Spark等大数据框架，掌握Oracle、MySQL等数据库体系结构。
4、熟悉FineBI、FineReport等数据分析与可视化工具，具备数据平台运维或开发经验。
5、具备全局观念、创新改善、敏锐学习和逻辑思维，能够支撑AI场景下的复数据需求。
1、体系搭建：负责定义数据标准 (包括但不限于词汇、术语、主题域)，构建原始数据管理体系和数据质量管理体系；
2、数据维护：负责制定数据标准规范及数据治理流程；
3、质量管控：负责数据质量的监督、考核以及改进，定期进行数据质量报告；
4、培训强化：组织相关数据治理培训，推广数据治理工作，通过持续宣传，建立数据治理意识。
1.贯彻集团数据标准体系，负责集团财务领域（资产、成本、费用、收入、利润、现金流等）核心数据对象与指标体系的治理，包括主数据管理、元数据管理、数据模型设计规范等，推动标准在数仓建设与BI应用中落地执行。
2.负责相关业务领域的数据治理规划，完成数据标准、数据质量、数据安全、数据资产管理等建设实施落地。保障财务数据的准确性、完整性和一致性，提升财务领域数据服务能力。承接集团财务主数据、涉财业务主数据的数据标准制定、数据治理工作开展和主数据运营管理。
3.独立完成或指导实施数据开发、BI分析看板、数据质量评估、问题溯源改进等专项建设任务。
4.主导集团级财务指标口径统一与管理口径沉淀，解决跨系统、跨组织的数据不一致问题。负责财务系统数据治理，确保系统的数据质量及流程合规，管理财务数据目录和数据标准，统筹推进数据入湖和应用。推动数据治理与业务服务深度融合，支撑经营分析、财务数字化、穿透式监管等关键场景的数据需求。
5.跟踪数据治理前沿技术与行业实践，持续优化治理体系与工具能力。
1、监管解读：持续跟踪并解读国家金融监督管理总局、属地监管机构、行业协会等发布的最新法规、指引和通知，按各级监管要求落实数据质量提升
2、制度建设：制定并维护《监管报送管理办法》等管理制度，及时响应外部监管变化进行新增及修订
3、规划落地：给出监管重点事项规划和方案设计，制定详细计划并推动执行落地
4、报送管理：编制月度/年度报送日历，监控关键时间节点，按时完成每月增量报送/年度重报等
5、数据治理：对发现问题进行定性归因，明确责任主体，确保存量问题动态清零；制定总分联动考核方案，定期跟踪执行成效，提升报送数据质量
1、负责部门相各类数据管理平台和AI技术应用的整改规划和设计
2、负责数据管理监测平台、知识管理平台的开发管理和运营
3、负责集团数据技术体系的评估、指导与检视
4、负责部门系统和平台的安全管理，管理安全问题额修复
5、负责数据监测和知识管理平台的运营， 设计风险监测、敏感信息识别、AI审核等功能，管理和推动平台建设
对自动驾驶数据闭环系统的数据挖掘及分析，包括
1. 基于自动驾驶大数据处理平台（例如Hadoop/Spark），利用数据挖掘、机器学习等相关算法，解决自动驾驶业务需求，为自动驾驶评测、功能迭代，运营决策提供数据分析依据
2. 与产品、系统等团队配合，分析和挖掘自动驾驶功能的体验痛点、表征原因、内在规律等，例如自动驾驶功能潜在风险与事故的数据分析与规律等
3. 负责自动驾驶领域的数据探索，从场景，评价，用户，运营等多个维度挖掘数据价值，发现数据和业务背后规律，应用于产品研发、用户运营、商业等各种领域
4、独立使用flask+vue+python（pandas、numpy、matplot、pyechart等）搭建数据中心的产品质量评估系统,完成多源数据融合分析、自动化评估、大数据分析统计、可视化展示等任务。
1. 负责AI搜索业务全链路数据整合，基于业务理解搭建有效的数据指标体系，监控指标变化，并对指标变化进行归因分析。
2. 结合数据和业务目标进行分析、总结，为业务的推进提供数据或技术支撑。
3. 主动诊断及发现业务的关键问题，通过科学的方法和分析输出业务策略，沉淀业务分析思路，产出对业务和产品有价值的方案和建议。
4. 主动总结沉淀分析思路，通过工具化、产品化的方式赋能团队。
任职资格
1. 本科及以上学历，计算机科学、数学、统计学等相关专业优先，英语流利更佳；
2. 有3~5年左右的数据分析经验，熟练使用数据处理和分析工具，如SQL、Python、R等，对数据挖掘、因果推断等有深入理解和实践经验者优先。
3. 对AI和搜索相关业务有深入的理解和实践经验优先。
4. 具有良好的沟通和表达能力，具有良好的团队合作精神，能够在压力下保持高效的工作状态。
5. 具备极强的自我驱动力和学习能力，对搜索算法、大模型等 AI 前沿技术抱有热情，能够快速掌握新的数据分析工具与方法论，并应用于实际业务。