数据标注与预处理：

负责金融领域文本、图像、时序数据（如K线图、交易数据）的标注工作，确保标注符合业务逻辑。

设计标注规则与质量标准，对标注结果进行校验和优化，支持NLP（如舆情分析、研报解析）和机器学习模型训练。

理解金融专业术语（如PE、PB、MACD、量化因子等），确保标注内容与金融场景高度匹配。

数据清洗与ETL：

清洗海量金融数据（如行情数据、用户交易日志、爬虫数据），处理缺失值、异常值及噪声数据。

构建自动化数据清洗流程，使用工具（如Python Pandas、OpenRefine）提升数据质量。

对非结构化金融文本（如公告、新闻）进行分词、实体识别、标准化处理。

数据建模与存储：

设计金融主题数据仓库（如基于Snowflake、Hive），优化数据存储和查询效率。

参与构建风控、推荐等业务的数据特征工程，支持量化分析和策略开发。

任职要求

数据标注与清洗能力：

熟练掌握数据标注工具（如Label Studio、Prodigy）及文本标注技能（如实体标注、情感分类标注）。

精通数据清洗技术（正则表达式、模糊匹配、去重算法）及工具（Pandas、SQL、Apache Spark）。

金融知识基础：

了解证券、期货、基金等金融产品术语及市场规则，能快速理解业务需求（如技术指标计算、财报数据分析）。

有金融数据（如Wind、Tushare、爬虫数据）处理经验者优先。

技术栈要求：

熟练使用Python（NumPy/Pandas/Scikit-learn）、SQL，熟悉Linux/Shell。

掌握ETL工具（如Airflow、Kettle）及分布式计算框架（如Hadoop、Spark）。

熟悉数据库设计（MySQL、MongoDB、ClickHouse）。