快手用户研究分析师 -【安全合规方向】

1、负责安全合规产品的端到端设计工作，包括用户研究、概念发散、信息架构、交互设计和UI视觉落地； 2、深入理解业务目标与用户需求，结合数据分析与用户反馈，对现有产品体验进行持续优化；参与制定相关系统的交互规范，保证产品体验的一致性、易用性，提升满意度指标； 3、把控设计项目的全流程，从概念设计到最终视觉呈现，确保按时、高质量交付设计成果，并跟进上线后的效果评估，及时进行调整与改进； 4、关注行业设计趋势，收集并分析相关产品体验设计亮点，不断探索创新设计理念与表现形式； 5、有良好的业务沟通和自驱力，积极与上下游合作，建立良好协作关系，提升体验价值。

负责小天基团队，团队定位：作为飞天云操作系统内核，提供可持续的接入，规划、交付、热升级以及「云平台，基础设施」的自动化运维能力。屏蔽基础设施和应用的差异性，提供资源池化能力，支撑飞天云多形态架构统一演进（公共云，主权云，专有云） 1、技术洞察和问题定义 •洞察领域发展方向，熟悉技术标准和前沿进展，跟踪关键竞对的技术和方法。 •结合产品现状提出待解决的问题，理解业务目标并分解到技术产品待解决问题中。1、市场洞察和需求分析 •通过调研和用户沟通，分析产品实际使用情况，洞察用户场景和需求，挖掘用户价值和痛点。 •通过市场和竞对分析，洞察市场和技术发展趋势，分析对比行业产品能力。 •全面分析产品需求，在多角色参与下提供全局方案，合理安排优先级。 2、产品及架构规划和设计 •对所在领域业务进行架构抽象，建立整体业务领域模型。 •制定系统整体架构规划和技术路线图，确定系统目标和方向，综合考虑应用架构、数据架构、关键技术选型、部署架构等多方面因素，确保系统整体质量。 •设计架构方案，包括系统组件、模块间的关系、接口、数据流和数据结构、基础设施等，保障系统的安全性、稳定性、易扩展、易维护和性能。 •把握业务全链路技术方案设计，确保技术可实现性、易用性，无重大风险。 •拆解工作，把复杂目标拆成一系列可以落到具体团队或个人的工作。 3、产品开发管理及架构落地 •做好产品开发的项目管理，把握关键点的选择，多端多场景的适配和支撑，通过高效获取与整合资源落地产品方案。 •协调研发团队完成产品的开发、测试、上线各环节，完成产品按期交付，达到预期效果。 •识别优先级、明确目标步骤和应急方案，保障架构实施落地和用户体验。 •梳理关键技术难点，指导开发团队进行突破和攻关，对开发过程进行监督和管理。 •负责部分核心代码编写，虚实结合，做好架构管理。 4、产品改进和风险管理 •关注用户对产品的使用，合理安排产品需求优先级，推动产品改进、新产品或功能孵化，提升产品易用性，优化产品稳定性、安全性、性能和成本。 •做好产品合规与风险防控，排查治理数据安全/合规/廉正/资损等各类隐患，保证日常运维与服务的高质量。 5、团队规划与管理 •具备团队管理经验，能有效激发成员潜力，推动梯队建设与人才成长。 •擅长跨团队协同，能在无直接汇报关系下推动技术、业务多方达成共识。 •具有优秀的目标管理与执行闭环能力，确保战略落地、结果可衡量。 •重视团队文化与氛围，能营造信任、开放、担当的组织环境。 6、架构治理和演进 •制定架构的原则、规范与治理机制，并且落实到具体的项目研发中。 •负责架构管控，参与领域的重大架构决策，管控架构变更。 •识别不合理业务和架构设计，定期评估架构成熟度。 •基于业务需求和技术演进目标，指导开发团队对系统进行优化和扩展、解决技术债务，推动架构持续演进。

团队介绍：推荐架构团队支撑字节跳动旗下多款APP产品，如抖音、今日头条、番茄小说、西瓜视频、剪映等推荐系统架构的设计和开发，保障系统的稳定和高可用，致力于抽象系统通用组件和服务，建设推荐中台、数据中台；关于在线服务，在这里你有机会参与大规模机器学习在线预估框架的研发与优化，也有机会参与模型训练与调度等相关问题的研究与突破，解决系统瓶颈，降低成本开销；如你对大数据感兴趣，在这里也有机会参与通用实时计算系统的开发、构建统一的推荐特征中台，为推荐业务实现先进的消重、计数、特征服务等；我们期待热爱技术的你加入，一起创造更多可能。 课题介绍： 在人工智能技术高速发展的背景下，推荐系统作为信息过滤与个性化服务的核心，面临多重挑战： 一方面，推荐系统自身的复杂性急剧增加。大量推荐策略不断演进迭代、且系统状态动态变化，但缺乏有效手段自动跟踪评估策略有效性并下线低 ROI 策略，导致系统存在较多低效策略。同时，推荐系统依赖多种基础组件，其复杂负载模型给底层组件参数配置和性能调优带来巨大困难，日常开发迭代中的问题排查等工作消耗大量人力，亟需提升开发效率、降低人力成本。 另一方面，随着电商行业等领域的激烈竞争，传统推荐系统在多样性、创新性和个性化方面的短板愈发凸显，难以满足用户日益增长的多元需求。生成式人工智能技术虽带来新突破，但在实际应用中面临成本效率、全域数据协同、数据隐私与安全以及技术变革应对等诸多难题。 课题内容： 1、策略管理与优化：构建一套智能化系统，实现推荐策略的规范化定义、长期及离线评估、无效策略自动识别与下线，以及相关代码配置的下线； 2、自适应调优与故障诊断：针对推荐系统多样化业务负载，利用大模型能力完成系统及底层组件的参数和配置调优，并探索自适应故障诊断方案，提供全局视角的故障追踪、定位和分析能力； 3、成本与效率平衡：在推荐系统应用生成式技术时，解决模型训练和运行的高成本问题，平衡成本与效率，在有限资源下实现高效推荐； 4、全域数据处理：应对电商等横向全域场景下海量异构数据，提升和保障数据质量与准确性，标准化供给数据给全域推荐模型，并实现低成本跨端服务，同时，确保数据隐私与安全，合规使用数据； 5、多模态数据表征和 RAG 应用系统：应对推荐、检索、问答、创作场景的多模态数据需求，提供数据理解、预处理、索引、召回环节的完整解决方案，提供知识、记忆服务能力，并针对各类大小模型负载进行系统优化，最大化信息处理效率和精度。

团队介绍：推荐架构团队支撑字节跳动旗下多款APP产品，如抖音、今日头条、番茄小说、西瓜视频、剪映等推荐系统架构的设计和开发，保障系统的稳定和高可用，致力于抽象系统通用组件和服务，建设推荐中台、数据中台；关于在线服务，在这里你有机会参与大规模机器学习在线预估框架的研发与优化，也有机会参与模型训练与调度等相关问题的研究与突破，解决系统瓶颈，降低成本开销；如你对大数据感兴趣，在这里也有机会参与通用实时计算系统的开发、构建统一的推荐特征中台，为推荐业务实现先进的消重、计数、特征服务等；我们期待热爱技术的你加入，一起创造更多可能。 课题介绍： 在人工智能技术高速发展的背景下，推荐系统作为信息过滤与个性化服务的核心，面临多重挑战： 一方面，推荐系统自身的复杂性急剧增加。大量推荐策略不断演进迭代、且系统状态动态变化，但缺乏有效手段自动跟踪评估策略有效性并下线低 ROI 策略，导致系统存在较多低效策略。同时，推荐系统依赖多种基础组件，其复杂负载模型给底层组件参数配置和性能调优带来巨大困难，日常开发迭代中的问题排查等工作消耗大量人力，亟需提升开发效率、降低人力成本。 另一方面，随着电商行业等领域的激烈竞争，传统推荐系统在多样性、创新性和个性化方面的短板愈发凸显，难以满足用户日益增长的多元需求。生成式人工智能技术虽带来新突破，但在实际应用中面临成本效率、全域数据协同、数据隐私与安全以及技术变革应对等诸多难题。 课题内容： 1、策略管理与优化：构建一套智能化系统，实现推荐策略的规范化定义、长期及离线评估、无效策略自动识别与下线，以及相关代码配置的下线； 2、自适应调优与故障诊断：针对推荐系统多样化业务负载，利用大模型能力完成系统及底层组件的参数和配置调优，并探索自适应故障诊断方案，提供全局视角的故障追踪、定位和分析能力； 3、成本与效率平衡：在推荐系统应用生成式技术时，解决模型训练和运行的高成本问题，平衡成本与效率，在有限资源下实现高效推荐； 4、全域数据处理：应对电商等横向全域场景下海量异构数据，提升和保障数据质量与准确性，标准化供给数据给全域推荐模型，并实现低成本跨端服务，同时，确保数据隐私与安全，合规使用数据； 5、多模态数据表征和 RAG 应用系统：应对推荐、检索、问答、创作场景的多模态数据需求，提供数据理解、预处理、索引、召回环节的完整解决方案，提供知识、记忆服务能力，并针对各类大小模型负载进行系统优化，最大化信息处理效率和精度。