岗位使命 作为 Lead Financial Data Engineer，你将负责公司核心金融数据系统的设计、开发和持续演进。你将亲自参与全球多市场、多资产数据的接入、清洗、校验、标准化、存储和分发，建设服务于量化研究、回测和实盘交易的数据基础设施。 核心目标是打造准确、稳定、高性能、可追溯的金融数据体系，解决海量历史行情、高频实时数据、参考数据、公司行动及交易数据中的复杂工程问题，持续提升研究和交易团队的数据使用效率。 主要职责 负责全球股票、期货及其他资产数据的接入和开发，建设行情、参考数据、公司行动、订单成交及另类数据等核心数据集。 处理 symbol mapping、交易日历、时区、公司行动、合约生命周期等复杂金融数据问题，确保数据定义准确一致。 设计和优化批量及实时数据 pipeline，支持大规模历史数据和高频实时数据的稳定处理。 负责数据模型、存储和访问接口设计，持续优化大规模时序数据的写入、查询、更新和计算性能。 建设自动化数据质量体系，及时发现并解决数据缺失、异常、重复、延迟、修订及跨数据源不一致等问题。 与量化研究员和交易团队紧密合作，确保研究、回测和实盘数据在定义和时间语义上的一致性。 负责核心数据系统的架构演进，并保持深入参与代码开发、技术选型、代码评审和生产问题排查。 岗位要求 5 年左右及以上软件工程、数据工程或数据基础设施相关经验，有复杂生产数据系统建设经验。 具备很强的 hands-on 编程和系统设计能力，能够独立完成核心数据系统的设计、开发、上线和问题排查。 熟练使用 Python，并熟悉 C++、Rust、Go、Java、Scala 等至少一门后端或系统编程语言。 深入理解数据接入、清洗、校验、建模、存储和数据服务等数据工程核心环节。 对数据正确性和质量高度敏感，具备复杂数据问题的分析和 root cause 能力。 重视代码质量、测试、性能、可观测性、可维护性和生产系统稳定性。 能够直接与量化研究员和交易团队合作，将复杂金融数据需求转化为可靠的工程系统。 国内外优秀院校计算机科学、数学、物理、工程、金融工程或相关专业本科及以上学历。 加分项 有量化投资、对冲基金、自营交易、做市、高频交易或金融科技领域的数据开发经验。 熟悉股票、期货等金融数据，包括 tick/order book、参考数据、公司行动、交易日历、订单和成交数据。 有高频行情、大规模时序数据或全球多市场数据处理经验。 熟悉 Kafka、Flink、Spark、ClickHouse、KDB、PostgreSQL、Parquet、对象存储等数据技术。 熟练使用 Claude Code、Cursor、Codex 等 AI 辅助编程工具，并能够有效应用于日常工程开发。