数据分析工程师 8k-15k

工作职责
(1)负责BD内部项目管理事务，制定并促进达成部门年、季、月、周度计划；
(2)收集获取客户诉求，制定改进计划并跟进问题点的改进与落实；
(3)部门数据的整理与分析，配合部门长进行部门的日常运营与改善；
(4)制定项目计划，实时把控项目进度；
(5)组织项目会议，梳理项目过程中的问题点及进度情况；
(6)定期向相关人员通报项目的进展；
(7)协调及配合各部门，处理项目异常；
(8)识别及预警项目风险，监控项目落实情况；
(9)完成领导交付的其他任务；
(10)除本岗位本职工作外，完成上级领导及公司安排的其他工作；
(11)遵守公司信息安全体系标准,不泄露公司的保密信息。

任职资格
学历：本科，专业：计算机科学、统计学、数学、信息管理、数据科学、经济学及相关专业
相关专业知识与技能：
1、 数据基础能力（基石）
2、 编程与机器学***（核心）
· Python（**主流）： 必须非常熟练。重点掌握与数据科学相关的库：
3、 深度学习与大模型（进阶与加分项）
· 深度学习基础： 了解神经网络的基本原理（如前向/反向传播）、CNN（用于图像）、RNN/LSTM（用于序列数据）。
· 提示词工程： 设计和优化提示词，以从大模型中获得高质量的输出。
· 检索增强生成： 理解RAG架构，并能搭建简单的RAG应用，将外部知识库与大模型结合。
· 大模型微调： 具备使用LoRA等技术对开源大模型进行下游任务微调的能力是强加分项。
4、 大数据与工程化能力（扩大规模）
· 大数据技术： 了解或会使用Hadoop, Spark（特别是PySpark）处理海量数据。
· 云计算平台： 熟悉至少一家主流云服务平台（AWS, Azure, GCP）上的数据和分析服务（如S3, EC2, SageMaker, Databricks等）。
· 模型部署与协作工具：
· 部署： 了解如何使用Docker容器化模型，使用Flask/FastAPI构建API，以及基本的MLOps概念（如CI/CD for ML）。
· 协作： Git版本控制。
5、 业务理解能力： 这是区分优秀与普通分析师的关键。能够将模糊的业务问题转化为具体、可衡量的数据问题，并能将分析结果转化为有商业价值的行动建议。
6、沟通与表达能力： 能够向非技术背景的决策者（如产品经理、市场总监）清晰地解释复杂模型的结果和洞见。能编写清晰的分析报告和技术文档。
7、 逻辑思维与问题解决能力： 结构化地思考问题，设计严谨的分析方案。
8、 好奇心与持续学习能力： AI领域日新月异，保持学习热情、跟上技术发展是必备素质。
9、具有至少拥有相关数据分析师证书（如CDA数据分析师证书）
职业素养：
1.勤奋自律、服从公司和上级工作安排；
2.严谨好学、踏实认真、吃苦耐劳、有责任心；
3.具备相互学习、一专多能、独当一面的能力；
4.团队管理公平公正，不收受贿赂，不接受吃请；
5.善于与项目涉及的各层面团队沟通交流，善于激活团队战斗力。