作为网格化智能服务平台的核心数据架构师与ETL专家，负责从多源业务系统（CRM、信贷、财富管理等）抽取、清洗、转换数据，构建网格化数据资产体系，并支撑客户/机构/网格等多维度指标计算，最终输出至平台可视化查询系统。 核心职责 1. 数据整合与ETL开发 源数据处理： 对接CRM、零售、小微、对公、财富管理系统、外部数据平台等，设计增量/全量同步策略 处理结构化与非结构化数据（如GIS坐标、客户画像、交易流水等） 解决跨系统数据一致性问题（如客户ID映射、时间窗口对齐） ETL流程优化： 开发高效SQL作业，处理TB级日增量数据 优化调度依赖，确保T+1数据准时交付 监控数据质量，修复异常数据 2. 网格化指标计算 多维度统计模型： 基于客户（C端）、用户（B端员工）、机构（网点）、网格（LBS围栏）四大维度设计指标 开发复合指标（如“网格内贷款渗透率=贷款客户数/网格总客户数”） 支持实时+离线计算模式（如实时客流统计 vs. 月度资产汇总） 高性能查询优化： 使用预聚合+物化视图技术，确保千万级数据秒级响应 设计时间回溯功能（如查看历史某月网格状态） 3. 数据治理与架构 数据建模： 设计星型模型，关联业务实体（客户↔机构↔网格） 维护数据字典，标准化200+字段定义（如“网格ID=行政区划码+层级标识”） 数据治理： 制定数据分级策略（P1~P3敏感等级） 落地血缘追踪，标记指标来源（如“存款余额←财富系统+对公信贷”） 治理元数据，保障业务人员可自助理解数据含义 4. 全栈运维支持 从采集到展示的全链路管理： 部署数据管道 优化数据库性能（分区表、索引策略） 协助BI团队配置指标可视化逻辑 硬技能： 精通SQL（Oracle/MySQL），能编写复杂分析函数 掌握Python/Shell自动化脚本开发 熟悉数据仓库建模（Kimball维度模型） 了解GIS数据处理（如GeoHash编码） 软技能： 独立工作能力（全流程负责数据板块） 跨系统沟通（协调业务部门明确指标口径）