经理--AI数据架构与分析

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。

AstraZeneca embraces diversity and equality of opportunity. We are committed to building an inclusive and diverse team representing all backgrounds, with as wide a range of perspectives as possible, and harnessing industry-leading skills. We believe that the more inclusive we are, the better our work will be. We welcome and consider applications to join our team from all qualified candidates, regardless of their characteristics. We comply with all applicable laws and regulations on non-discrimination in employment (and recruitment), as well as work authorisation and employment eligibility verification requirements.