1、負(fù)責(zé)監(jiān)管集市滾動(dòng)項(xiàng)目數(shù)據(jù)采集、整合及報(bào)送報(bào)表與報(bào)送接口開發(fā)
編寫數(shù)據(jù)報(bào)送流程文檔、用戶手冊和操作指南,為業(yè)務(wù)團(tuán)隊(duì)和相關(guān)部門提供培訓(xùn),增強(qiáng)數(shù)據(jù)報(bào)送意識(shí)和能力;從不同的業(yè)務(wù)系統(tǒng)和數(shù)據(jù)庫中抽取所需數(shù)據(jù),進(jìn)行數(shù)據(jù)清洗、去重、轉(zhuǎn)換,整合成符合報(bào)送標(biāo)準(zhǔn)的數(shù)據(jù)集;依據(jù)監(jiān)管要求或內(nèi)部需求設(shè)計(jì)報(bào)表模板,利用BI工具或自定義開發(fā)程序,實(shí)現(xiàn)自動(dòng)化報(bào)表生;開發(fā)自動(dòng)化報(bào)送流程,與外部監(jiān)管平臺(tái)或內(nèi)部系統(tǒng)進(jìn)行接口對(duì)接,確保數(shù)據(jù)報(bào)送的高效和準(zhǔn)確。
2、負(fù)責(zé)監(jiān)管集市滾動(dòng)項(xiàng)目報(bào)送合規(guī)性驗(yàn)證及報(bào)送數(shù)據(jù)質(zhì)量監(jiān)控
對(duì)照最新的法律法規(guī)和行業(yè)標(biāo)準(zhǔn),審核數(shù)據(jù)報(bào)表內(nèi)容,確保所有數(shù)據(jù)報(bào)送均符合監(jiān)管要求。實(shí)施數(shù)據(jù)質(zhì)量檢查機(jī)制,監(jiān)控?cái)?shù)據(jù)報(bào)送前后的質(zhì)量,包括完整性、一致性、及時(shí)性和準(zhǔn)確性,及時(shí)發(fā)現(xiàn)并解決問題。
3、負(fù)責(zé)監(jiān)管集市滾動(dòng)項(xiàng)目應(yīng)急響應(yīng)與持續(xù)改進(jìn)
處理數(shù)據(jù)報(bào)送過程中的異常情況,制定應(yīng)急預(yù)案。根據(jù)反饋和新要求,不斷優(yōu)化數(shù)據(jù)處理流程和系統(tǒng)功能。
高級(jí)1人,中級(jí)3人,本科及以上學(xué)歷,學(xué)信網(wǎng)可查。
1、熟練使用項(xiàng)目管理工具、項(xiàng)目管理方法
2、精通主流關(guān)系數(shù)據(jù)庫,如MySQL,PolarDB,RDS,精通SQL編程; 熟悉金融行業(yè)數(shù)據(jù)倉庫建模的理論;熟悉數(shù)據(jù)倉庫各類模型建模理論;熟悉數(shù)據(jù)倉庫設(shè)計(jì)模型;
3、熟練掌握大數(shù)據(jù)處理框架和技術(shù):如Hadoop,分布式存儲(chǔ)(HDFS)和計(jì)算(MapReduce)的基礎(chǔ)框架。Spark,用于大規(guī)模數(shù)據(jù)處理的內(nèi)存計(jì)算框架,支持批處理、交互式查詢、流處理和機(jī)器學(xué)習(xí)等多種功能。Flink,用于實(shí)時(shí)數(shù)據(jù)流處理和狀態(tài)計(jì)算的框架。Hive,構(gòu)建在Hadoop之上的數(shù)據(jù)倉庫工具,提供SQL接口來處理數(shù)據(jù)。Kafka,分布式消息隊(duì)列系統(tǒng),常用于構(gòu)建實(shí)時(shí)數(shù)據(jù)管道。
4、了解數(shù)據(jù)可視化工具如Tableau、PowerBI或使用Python的Matplotlib、Seaborn等庫進(jìn)行數(shù)據(jù)展示。
杭州 - 濱江
杭州培慕科技有限公司杭州 - 西湖
北京青藍(lán)致遠(yuǎn)科技有限公司杭州 - 余杭
浙江希優(yōu)信息科技有限公司杭州 - 蕭山
維恩貝特科技有限公司杭州 - 上城
上海天正軟件有限公司杭州 - 拱墅
軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司