深圳数据管理员
数据管理员是负责管理组织内部数据的专业人士。他们负责收集、整理、存储和维护数据，确保数据的安全性、完整性和可用性。数据管理员通常会使用数据库管理系统和其他数据管理工具来管理大量的数据，包括对数据进行备份和恢复、监控数据质量、进行数据清洗和整合等工作。此外，数据管理员还要制定和执行数据管理政策，确保数据的合规性和安全性。他们需要和公司内部的各个部门合作，了解他们的数据需求，并为其提供支持和服务。数据管理员需要具备扎实的数据管理及数据库技术知识，以及良好的沟通和团队协作能力，以确保数据的高效管理和运营。
薪酬概览
平均月薪
¥8200
中位数 ¥6500 ｜ 区间 ¥6800 - ¥9700
数据来源：谈职全网12份招聘数据；更新时间：2026年7月13日
月薪分布
66.7% 人群薪酬落在 0-8k
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
17
对比上月：岗位新增7
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 |
|---|---|---|
| 应届 | 14 | 87.5% |
| 不限经验 | 2 | 12.5% |
热招职位
数据专员￥6000-10000
1.进行商品适销分析，为产品研发提供基础数据。
2.编制产品质量适时跟踪反馈表，监督商品质量3.监控产品整体的进销存状况，优化库存结构并提出合理化建议。
4.编制各类销售报告，进行销售分析，提供有效数据信息，协助销售目标达成；
5.熟悉公司数据库操作模式6.两年以上服装行业相关工作经验
1、领导并管理IT数据团队，制定团队发展目标与工作计划，提升团队技术能力与协作效率；
2、设计并优化企业级数据架构，包括数据采集、存储、处理、分析与可视化全流程；
3、主导数据平台建设，包括数据仓库（如：基于 Hadoop、Spark、Snowflake等）、ETL流程、数据湖及实时数据处理系统；
4、建立并执行数据治理规范，确保数据质量、安全合规（符合《数据安全法》《个人信息保护法》等法规要求）；
5、与业务部门紧密合作，理解数据需求，提供数据支持与洞察建议；
6、推动数据自动化、智能化工具的应用，提升数据处理效率与分析能力。跟踪行业前沿技术，持续优化技术栈与架构方案。
1、负责用户侧和产品侧的数据采集、整理与分析，建立完整的用户画像体系，深入挖掘用户特征、偏好及行为规律；
2、协助构建用户行为分析模型，通过漏斗分析、路径分析、留存率分析等方式，揭示用户触达、转化、流失的关键节点及其影响因素；
3、分析用户全生命周期（获取、激活、留存、召回、流失）的表现，挖掘用户增长潜力，优化用户运营策略；
4、支持产品迭代，评估新功能上线效果，设计用户增长与转化的核心KPI指标体系，输出分析报告。
1.负责SSV相关产品数据分析工作，包括产品数据洞察，运营效果分析，数据分析工具建设等；
2.通过数据分析建立用户洞察，为产品迭代提供指引。提供产品策略的数据支撑；
3.协助建设产品数据体系，完善数据pipeline，定位产品关键问题，支撑ab实验。
1.负责公司大数据平台的数据采集、清洗、存储、建模与价值挖掘工作；
2.使用Hive、Spark等大数据工具进行海量数据的处理与分析，构建稳定高效的数据处理流程；
3.设计并开发数据仓库模型，优化ETL流程，保障数据的准确性与及时性；
4.与业务部门协作，深入理解业务需求，提供数据支持与分析报告，辅助决策；
5.参与数据治理、元数据管理及数据质量监控体系建设；
6.有医疗行业背景者，参与医疗健康相关数据的分析建模，支持保司赋能、健康管理等应用场景。
1. 负责机器人数据平台的架构设计与核心研发，覆盖采集任务管理、数据入库、质检、标注、数据集构建与交付全链路；
2. 设计并实现高可靠的云端接入系统，支撑多设备、多供应商、多来源数据的并发接入、状态上报与异常处理；
3. 与算法团队协作，理解训练数据需求，推动数据质量评估、血缘追踪等数据治理体系的建设与落地；
4. 探索并落地 AI 技术在数据平台中的应用，包括但不限于：利用大模型辅助数据标注、使用 AI 工具提升质检自动化率、以及通过智能化手段优化数据集构建效率；
5. 跟进业界 AI 工程工具链（如 Cursor、GitHub Copilot、LLM API 等）的最新进展，将 AI 辅助开发能力融入团队研发工作流，提升整体研发效能。
1.负责供应链全链路数据整合与标准化数据库搭建维护，制定数据规范保障数据准确一致。
2.开展采购环节数据分析，包括品类成本结构拆解与供应商绩效评估，输出优化建议支撑集中采购或协议谈判。
3.监控库存水平并分析周转效率以制定优化策略，联动生产部门分析物资消耗与生产效率关系，输出消耗标准调整建议降低生产成本。
4.定期输出结构化数据分析报告并可视化关键指标，针对异常数据及时预警，为管理层提供数据驱动的决策支持。
5.跨部门协作解决数据相关问题，推动供应链数据在业务端的应用，协助优化内部系统数据流转以提升使用效率。
1、负责规划和建设集团数据流通管控体系，推动数据流通管控机制的落实，提升人工智能领域数据流程管控能力。
2、提升人工智能服务相关的数据集合规、数据训练合规、数据流通合规管控机制和技术平台的规划建设；
3、建设和推广数据合约管理机制，支持数据高效流通，满足集团各类数据服务开展的需求；
4、支持数据流通、合规管控解决方案的技术实现，推广可信数据流通管控，重点提升人工智能服务数据高效流通；
5、完成项目管理、项目计划制定、管理项目进度、管理项目沟通和汇报工作。
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、负责平安医疗相关数据整合与深度分析，支持业务决策；
2、构建和优化医疗风险预测、费用控制、疾病趋势等数据模型，提升数据分析的准确性和实用性；
3、与业务、运营等部门协作，理解业务需求，为保险产品定价、营销风控、医疗控费等提供数据支持与分析报告；
4、参与数据治理及数据质量提升工作；
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