关键职责

1. 数据战略与架构设计

• 制定企业级数据战略，支持AI/ML项目的规模化落地。
• 设计并规划面向AI的可扩展数据架构蓝图，整合多源商业数据（包括品牌策略、内容、客户信息、互动记录与反馈），提升数据的可发现性、可交互性与可用性。
• 基于现有基础，设计与升级数据平台，支持大规模、高效的数据流水线与AI模型训练需求，确保关键数据的实时/准实时供给。
• 构建统一的数据模型与语义层，打破数据孤岛，提升跨部门协同效率。

2. 数据分析与商业赋能

• 深入业务，与市场、销售等部门紧密合作，将复杂的业务挑战转化为清晰的数据问题与解决方案。
• 构建面向医生互动行为、内容效能、客户旅程的多维分析框架与核心数据模型，生成深度洞察。
• 通过数据挖掘，识别关键互动模式，评估商业活动的有效性，为资源优化与策略调整提供精准的数据依据。

3. 数据治理与合规体系建设

• 建立并持续优化符合医药行业规范的数据治理框架，确保全链路数据质量、安全性与完整性。
• 主导制定并实施数据隐私与合规策略，确保所有数据处理活动满足全球及本地严格的监管标准。

4. 协同创新与能力建设

• 作为数据枢纽，与AI/ML团队深度协作，优化从数据到特征再到模型的数据供给流水线，加速AI模型的开发与迭代周期。
• 推动数据文化与素养提升，通过培训与赋能，帮助业务团队更好地利用数据工具与洞察进行决策。

5. 技术前瞻与方案落地

• 评估并引入前沿的数据技术与工具，持续提升数据工程的效率与平台能力。
• 管理相关技术供应商与合作伙伴，推动创新技术方案的成功落地。

任职要求

基本条件：

1. 学历与经验：​ 硕士及以上学历，计算机科学、数据科学、统计学或相关领域。拥有5年以上数据架构、治理或深度分析经验，其中至少2年专注于医药、医疗器械或生命科学行业的商业化领域（如市场、销售、客户互动）。

2. 行业知识：​ 熟悉医药行业商业运作模式、客户互动基本流程及相关数据合规与监管要求。

3. 核心技能：

• 数据架构：​ 精通数据仓库、数据湖/数据网格等理念，具有设计可扩展数据平台及ETL/ELT流程的实际经验。
• 数据分析：​ 精通SQL，熟练使用Python或R进行数据分析与处理。具备使用Tableau、Power BI等工具构建数据产品的经验。
• 数据治理：​ 深刻理解数据治理框架，具备数据质量、元数据、主数据管理等实战经验。

4. 业务与软技能：​ 出色的业务理解与沟通能力，能高效协同技术与非技术背景的伙伴。具备优秀的项目管理与多任务处理能力。

优先条件：

1. 具备在AWS、Azure或GCP等主流云平台设计和实施数据解决方案的经验。

2. 了解机器学习基本概念，并有为AI/ML项目准备、供给数据的实际支持经验。 3. 拥有在跨国企业环境中，领导或协调跨地域、跨职能团队完成数据项目的成功经验。