1. 质量问题端到端系统搭建与运营

• 规划并推动质量问题管理系统（QMS）建设：设计问题登录、智能分派、根因分析（8D/5Why）、判责规则引擎、整改验证、闭环归档全流程。

• 制定《质量问题判责指南》：明确测风偏差、场址偏移、性能不达标等典型问题的责任界定规则与证据标准，减少推诿争议。

• 监控系统运行健康度：跟踪问题录入及时率、闭环率、平均处理时长等指标，持续优化系统体验与流程效率。

2. 质量数据全链路治理

• 制定《新能源开发质量数据标准》：明确测风、场址、边界、性能等关键数据的格式、精度、时效要求（如测风数据完整性≥99.5%）。

• 搭建自动化监控平台：设置测风断点预警、场址坐标偏移阈值（≤5米）、投资模型逻辑校验等规则，异常实时告警并自动创建问题工单。

• 建立数据血缘图谱：实现从原始采集→清洗→分析→决策的全链路追踪，满足审计与根因分析需求。

3. 问题深度分析与根因治理

• 运用NLP聚类、关联规则挖掘等技术，对历史问题进行根因分析，输出《高频问题根因分布报告》《责任部门绩效看板》。

• 牵头重大质量问题复盘：主导8D报告审核，推动系统性改进措施落地（如优化测风设备校准流程）。

• 构建问题知识库：沉淀典型问题解决方案、判责案例，赋能业务团队自助查询与预防。

4. 数据-问题融合洞察与赋能

• 开发业务洞察模型：如“风速偏差-发电量影响系数模型”“问题根因-项目阶段关联分析”，输出可视化看板供PQA决策。

• 编写《质量运营月报》：整合数据质量健康度、问题处理效能、根因改进进展，向管理层提供决策支持。

• 组织“质量运营工作坊”：培训业务团队使用系统、分析问题、应用数据，提升全员质量运营能力。

1. 硬性条件

• 本科及以上学历，数据科学、统计学、计算机、质量管理、新能源等相关专业；

• 3年以上质量数据运营/问题管理经验，有质量管理信息系统（QMS）搭建或深度运营经验者优先；

• 精通SQL，熟练使用Python（Pandas/Numpy/Scikit-learn/NLTK），掌握Tableau/Power BI，熟悉JIRA/禅道等问题管理工具配置。

2. 专业能力

• 精通质量问题全生命周期管理方法（8D/5Why/鱼骨图），具备判责规则设计与流程优化实战经验；

• 熟悉DAMA数据治理框架，具备数据标准制定、质量稽核、血缘管理能力；

• 具备基础机器学习与NLP能力，能开发问题聚类、异常检测等模型；

• 深度理解新能源开发流程，精准识别测风、场址、边界、性能等环节的数据与问题风险点。

3. 软性素质

• 极致严谨：对数据异常与问题闭环零容忍，坚持“问题不闭环，流程不流转”原则；

• 产品思维：善于将业务痛点转化为系统功能需求，推动IT高效落地；

• 协同推动力：能高效联动质量、业务、IT多方，建立质量运营共识与行动机制；

• 价值导向：用业务语言阐述数据与问题价值，推动成果显性化、可量化。