岗位职责
- 建设金融 AI 底层数据能力：面向金融问答、研究分析及智能投研助手等场景，构建覆盖权益、固收、基金、宏观、衍生品及公告研报等领域的数据体系，提升模型回答的准确性、可追溯性与前瞻性；
- 建立金融指标与口径标准：统一各资产类别核心指标的定义、计算逻辑、适用范围及时间口径，沉淀可查询、可复用的指标字典与业务规则，支持 AI 准确理解和调用金融数据；
- 推进多源数据治理：建立跨数据源交叉校验、差异仲裁与质量监控机制，完善字段级血缘和原始披露溯源，保障数据的一致性、完整性与时效性；
- 评估并引入前瞻性数据：挖掘另类数据、高频指标、舆情、产业链及一致预期等数据的应用价值，验证信息增益、覆盖范围与时效边界，推动其在金融 AI 场景中的落地；
- 负责数据接入与加工交付：承接 AI 应用的数据需求，完成可行性评估、数据源接入、清洗标准化及主数据映射，使用 SQL、Python 构建稳定的数据加工链路，并持续优化交付质量。
职位要求
- 本科及以上学历，金融、经济、统计、计算机等相关专业，5 年以上金融数据开发、治理或应用经验；
- 具备多个资产类别的金融数据实操经验，至少精通一个业务领域，能够深入解释核心指标的计算逻辑、口径差异及典型数据问题；
- 具备金融指标体系、多源数据整合或数据质量治理经验，熟悉主体识别、证券代码映射、交易日历、数据版本与历史修订等关键问题；
- 具备另类数据或前瞻性指标的评估与落地经验，能够通过实证分析验证数据价值，识别前视偏差、数据泄漏及样本偏差，明确数据的适用条件；
- 熟练使用 SQL、Python，能够独立完成数据分析、清洗加工、质量校验与链路建设，具备良好的工程实现和问题排查能力；
- 理解大模型在金融场景中的数据需求，能够将业务问题转化为清晰的数据定义、查询规则与交付方案；具备金融问答、智能投研、RAG 或数据工具调用相关实践者优先；
- 具备良好的跨团队沟通与项目推进能力，能够协同算法、产品、研发及数据供应商，推动数据能力落地并持续迭代。
