1. 数据收集及清洗：负责从各类金融数据源收集市场行情、基本面、交易等数据，并运用专业的数据清洗技术和工具，去除噪声、纠正错误、处理缺失值，确保数据的准确性和完整性，为后续分析和建模提供可靠基础；

2. 数据存储与管理：设计和优化数据存储方案，选择合适的数据库系统，构建高效的数据仓库，实现海量金融数据的快速存储、检索和访问，同时制定数据备份、恢复和安全策略，保障数据资产安全；

3. 数据监控与质量保障：建立实时数据监控体系，及时发现数据传输、处理过程中的异常情况，制定数据质量评估指标和流程，定期进行数据质量检查，对数据质量问题进行深入分析和整改，确保数据的及时性和稳定性，满足量化投资业务的严格要求；

4. 数据平台开发与维护：负责公司量化数据平台的设计、开发和升级工作，包括数据处理流水线、数据接口、数据可视化模块等，与团队成员协作，确保平台具备高可用性、高性能和可扩展性，为策略团队提供便捷、高效的数据服务；

5. 数据支持与协作：紧密配合策略团队，理解业务需求，提供定制化的数据解决方案，如数据提取、分析、报告生成等，协助构建量化模型，通过数据分析为投资策略优化提供数据洞察和技术支持，促进跨部门合作与沟通。

1. 985、211或海外知名院校本科及以上学历，理工科背景，计算机相关专业优先(计算机、软工、电子、自动化)；
2. 量化行业三年以上相关工作经验，具备系统化的数据开发经验；
3. 熟练掌握至少一种编程语言，如 Python（具备丰富的 pandas、numpy、scikit - learn 等库使用经验）或 C++，能够高效实现数据处理算法和程序；

4. 深入理解金融行业主流数据库系统（如 MySQL、PostgreSQL、ClickHouse、DolphinDB等），具备数据库设计、开发、优化和管理能力，熟悉 SQL 查询语言，有处理大规模数据库经验者优先；

5. 熟悉 Linux 操作系统，能熟练运用命令行工具进行日常操作、脚本编写和系统配置，具备在 Linux 环境下部署和维护数据服务的能力；

6、掌握数据仓库、数据湖架构设计和 ETL（Extract, Transform, Load）开发流程，熟悉常用的数据处理框架和工具，如 Hadoop、Spark、Flink 等；

7. 了解数据可视化技术，如 Matplotlib、Seaborn、Plotly 等，能够将复杂数据以直观、易懂的方式呈现；

8. 有优秀的开发习惯。设计有文档、代码有注释；能用工具就不靠人力；看代码有洁癖，写代码有规范；熟练使用各种开发工具来提升开发效率和运行效率， 对新技术充满热情，善于学习并解决实际问题；

9. 做事积极主动，责任心强，结果导向，有较强的沟通能力和跨团队协调能力。