东营数据支持
数据支持是指负责为公司或组织提供数据分析和决策支持的职位。 数据支持人员负责收集、整理和分析各种类型的数据，以帮助企业制定战略决策和提高运营效率。他们需要具备良好的数据处理和分析能力，熟练运用数据处理工具和统计软件来清洗、解释和可视化数据。同时，数据支持人员还需要与不同部门的管理人员和决策者沟通，理解业务需求，为他们提供有价值的数据见解和建议。这个职位需要具备良好的沟通能力、对数据敏感，并且能够将复杂的数据信息转化成直观的图表和报告，为企业的业务发展提供有力支持。
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；
协助数据管理总监完成临床试验全周期数据管理项目执行、流程落地、质量管控，严格遵循GCP、ICH及CDISC行业标准，规范CRF设计、数据核查、质疑清理、医学编码、数据锁定等工作，协同医学、统计、QA、CRO及研究中心，保障临床数据真实、准确、完整、合规，按期交付高质量临床试验数据。
1、负责I-IV期临床试验、上市后临床项目数据管理全流程落地，编写、审核数据管理计划DMP、数据核查计划、数据锁定报告等核心文件。
2、牵头病例报告表CRF设计、逻辑核查搭建、EDC系统配置、测试及上线运维。
3、统筹数据接收、源数据核查、数据质疑管理、医学编码、数据清理、数据库锁定、数据交接归档全流程工作。
4、跟进项目进度，及时识别数据风险、进度偏差，协调解决项目重大数据问题，保障项目按时结题。
5、严格执行GCP、ICH-GCP、NMPA法规及公司SOP，落实CDASH/SDTM/ADaM数据标准。
8、对接医学监查、统计分析、注册事务、药物警戒，完成统计数据集交付、申报资料配合。
9、对接临床研究中心、第三方CRO、SMO，沟通数据疑问、溯源核查、问题闭环。
10、 对接EDC、随机系统供应商，协调系统问题、权限管理、版本更新与问题优化。
11、协助数据管理总监完成体系建设，撰写和修订部门SOP、标准模板、核查规则、编码规范，持续优化数据管理流程。
12、规范项目文档归档、版本管理、数据留存，满足核查与追溯要求。
13、公司安排的其他工作。
岗位任职基本条件：
1.工作经验：1年以上主机厂整车品质工作经验
2.教育水平：本科或同等以上学历，汽车或自动化、电气相关专业优先
3.专业能力:
①熟练掌握办公软件
②熟悉整车质量管理模型
③良好的组织协调能力及报告能力"
4.计算机应用水平：熟练操作Office等办公操作软件
公司介绍：
文远知行（WeRide）成立于 2017 年，是全球领先的 L4 级自动驾驶科技公司，致力于“以无人驾驶改变人类出行”，已在全球超过 25 个城市开展自动驾驶研发、测试及运营，累积自动驾驶里程超1600万公里，应用场景覆盖智慧出行、智慧货运和智慧环卫，形成自动驾驶出租车、自动驾驶小巴、自动驾驶货运车、自动驾驶环卫车、高阶智能驾驶等五大产品矩阵，提供网约车、随需公交、同城货运、智能环卫、高阶智能驾驶解决方案等多种服务。
凭借“1个平台+3大场景+5大产品”的多元商业化战略，文远知行商业营收居同类自动驾驶企业之首，已与多家全球顶级主机厂和一级供应商达成战略合作伙伴关系，包括雷诺日产三菱联盟、宇通集团、博世、广汽集团等，不断为人类出行提供更多新选择。
文远知行目前的团队既有来自谷歌、微软、亚马逊、苹果、百度、滴滴的高阶工程师，也不乏刚从顶尖高校毕业的青年才俊。来到我们当中，你会发现这是一个专业、专注、有趣、有料的队伍。大家为了一个激动人心而富有挑战的目标走到一起，互相激励、脑力碰撞，为实现产品落地、创造社会价值、推进行业技术而努力。
对有抱负的工程师，还有什么比这更有意义的呢？我们虚位以待，真诚期待技术过硬、志趣相投的小伙伴加入我们！
更多信息请访问：http://www.weride.ai，或关注官方微信号：文远知行WeRide
Infra介绍
基础架构团队为车端提供高可用、高性能和高可靠的车载系统，以及灵活的系统应用接口;离线工具链提供各类高效的开发集成平台和仿真平台，通过收集和分析自动驾驶过程中的海量数据，设计和执行大规模仿真任务，提供强大的工具帮助算法团队快速定位问题和解决问题。
基础架构团队负责设计和开发自研车载系统及中间件、开发高性能云计算系统、搭建大规模数据处理和分析平台、利用机器学习和模仿学习设计自动驾驶仿真算法、构建大规模仿真场景、以及研发支撑算法开发、测试、集成和部署的强大工具。
工作地点：上海或广州
Weride专注于打造更加高效的自动驾驶测试系统，提升与优化WeRide自动驾驶系统整体测试技术与迭代链路，包括测试工具、大规模仿真测试与真实道路测试。集合了WeRide所有技术团队的力量，包括自动驾驶系统的研发、测试、产品、分析团队，为自动驾驶的安全舒适保驾护航。
仿真技术是自动驾驶的核心技术之一，需要依托强大的数据工程与高性能的仿真框架，搭建庞大的仿真场景库、更真实的仿真环境与评价指标。
职位描述:
总管文远知行仿真基础架构方向，带领和扩建团队。 制订技术和战略路线，领导技术攻坚，带领团队持续创新。 充分利用WeRide千万级别的道路数据与亿万仿真数据，设计、实现和优化WeRide仿真数据平台，建立易用、高效的数据链路，赋能仿真场景库与仿真模型训练。设计、实现和优化现有与下一代高性能、跨平台、跨应用的仿真架构，助力仿真超大规模化，提升仿真易用性与文远其它部门密切合作，实现安全快速的软件算法迭代。这些部门包括：感知、决策规划、定位等等。
基本要求:
计算机或相关专业本科及以上学历 3年及以上相关工作经验 精通C++和Python，1年及以上在大型项目使用modern C++的经验 有基于分布式系统，开发高性能、高稳定性数据链路、数据应用的经验有开发高性能计算框架的经验有丰富的开发、优化和产品化深度学习模型的经验 精通常见的数据结构与算法 熟悉常见的深度学习软硬件开发 精通常见的设计模式
加分项:
有ACM/NOI相关的经历 有算法模型优化或者算法数据工程的相关经历善于解决开发性问题和挑战擅长基于用户的学习与优化
【2026】体系数字化部 -数据管理室-数据管理工程师（主管级）
【履职职责】
1.负责企业指标体系的产品设计、搭建与优化，确保指标体系的完整性、准确性和可扩展性。
2.负责数据中台产品的产品设计及功能规划，推动数据治理、数据开发、数据服务等核心能力的落地。
3.结合AI技术，设计企业级智能助手产品，优化人机交互体验，提升业务智能化水平。
4.深入业务场景，挖掘用户需求，高效管理需求优先级。
5.参与AI平台的技术架构设计，评估并选择合适的技术方案，确保系统的稳定性、可扩展性和高性能。
6.主导集成测试工作，制定上线计划，确保产品交付质量；协调各方资源，保障产品顺利上线。
7.收集运行期间的问题反馈，推动问题分类、处理及产品持续优化，提升用户体验。
岗位职责以时点【职位说明书】为准
数据管理岗面议
1、数据管理体系规划与实施：负责制定和实施数据管理体系，包括数据管理政策、规范、运作机制、数据架构与模型、数据标准、数据质量、数据应用等；
2、深度参与数字化建设：全程深度参与数字化建设，指导并评审项目中数据模型、数据标准、数据质量、数据生命周期等相关设计；
3、统筹数据治理：盘点各领域数据资产，建立各领域数据架构、数据标准、数据生命周期等基线；
4、数据需求枢纽：协助业务人员开展数据需求提出，从需求分析到开发、测试、实施、验证，全流程追踪负责；
5、数据价值挖掘：进行数据价值场景挖掘，识别业务中可以通过数据赋能或者优化的业务场景，并进行相关数据产品、方案规划设计与落地；优化数据建模与服务能力，开展数据分析模型的建立、应用及监控；
6、数据质量管理：建立数据质量度量机制，负责质量度量监控落地；发现数据应用过程中的数据质量问题并进行闭环管理；
7、领域数据架构设计：主导数据架构设计，推进数据治理工作。
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.基于数据平台，利用数理统计方法，设计DSL逻辑，对车辆数据进行深入分析和挖掘。
2.负责建立ADAS功能场景分类体系；
3.结合机器学习算法，支持功能算法模型开发和优化，提升功能质量及扩展自动化分析问题深度。
4.参与跨部门项目合作，为车辆相关领域提供数据支持和决策建议。
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。
