Data Solution Architect

该职位来源于猎聘 岗位定位 面向 AI 时代的数据架构建设，负责企业知识体系、语义层、本体模型与 AI 数据底座的设计和落地。 这不是传统偏 数仓/ETL/报表中台 的岗位，而是偏 Ontology + Semantic Layer + Knowledge Graph + AI Architecture 的新型数据架构角色，核心目标是让企业数据从“可存储、可分析”升级为“可理解、可推理、可被 Agent 调用”。 岗位职责 1、负责企业级 AI 数据架构设计，围绕大模型、智能体、知识库、语义检索等场景，构建面向 AI 的数据与知识底座。 2、负责领域本体（Ontology）、业务语义层、知识标签体系、知识图谱等核心能力的规划与建设，统一业务概念、实体关系、指标语义和知识表达。 3、负责结构化、非结构化及多模态数据的语义化组织与治理，提升数据对大模型和 Agent 的可读性、可检索性和可推理性。 4、负责设计面向 AI 应用的数据供给链路，包括知识抽取、语义建模、向量化、索引、检索增强、上下文拼装及工具调用支撑。 5、与算法、产品、业务、研发团队协作，推动 RAG、GraphRAG、ChatBI、知识问答、流程智能体等场景落地。 6、负责 AI 场景下的数据治理与知识治理体系建设，包括语义一致性、知识质量、数据可追溯性、权限安全和模型使用边界。 7、结合业务场景持续优化数据与知识架构，提升 AI 应用的回答质量、推理准确性、场景泛化能力和落地效率。 任职要求 1、本科及以上学历，计算机、人工智能、数据科学、软件工程等相关专业优先。 2、具备 5年及以上 数据、知识工程、AI 平台或架构相关经验，有本体、语义层、知识图谱或 AI 数据底座建设经验优先。 3、理解 AI 时代的数据架构方法，不局限于传统数仓建模，能够从 知识组织、语义表达、推理支撑、Agent 调用 的角度设计数据体系。 4、熟悉以下一个或多个方向：Ontology、语义建模、知识图谱、RAG、GraphRAG、Vector Database、LLM 应用架构、Agentic AI。 5、具备将业务知识抽象为领域模型、概念体系、实体关系和语义规则的能力，能够把业务语言转化为 AI 可理解的知识结构。 6、熟悉结构化与非结构化数据处理，有文本知识抽取、语义检索、知识融合、知识服务化经验者优先。 7、具备较强的架构设计能力和落地推动能力，能够从方案设计推进到 PoC、实施与上线。 8、具备良好的跨团队沟通能力，能协同业务、产品、算法和工程团队共同推进复杂项目。 加分项 1、有制造、医疗、汽车、金融等复杂行业知识建模经验。 2、有企业知识库、智能问答、AI 管报、ChatBI、流程智能体、多智能体等项目经验。 3、有 知识图谱 + 大模型 结合实践，或在语义层、知识中台、AI 治理方面有成熟方法论。 4、熟悉 OpenAI、LangChain、LlamaIndex、图数据库、向量数据库等相关生态。 5、有咨询规划能力，能从企业战略和业务流程视角设计 AI 数据体系。 语言能力： 深圳：英文口语流利，粤语加分项 上海：英文口语流利