滴滴数据分析师 Data Science(J250310028)
任职要求
1. 本科及以上学历，统计学、数学、计算机科学、地理信息系统等相关专业优先。 2. 熟练掌握SQL语言，能够高效进行数据查询、提取与处理，具备使用Python或R语言进行数据分析的能力，有实际项目经验者优先。 3. 熟悉至少一种专业地图分析工具，如ArcGIS、QGIS，能熟练运用其进行地图创建、空间分析、数据可视化等操作，能够根据业务需求进行…
工作职责
1. 负责收集、整理和清洗多源的地理数据，确保数据准确性与完整性，并运用专业工具对地理空间数据进行深度处理，将业务数据与地图信息相结合，挖掘数据在地理层面的分布规律与潜在关联。 2. 持续监测地图数据表现，及时发现数据异常，深入分析原因并提出有效的改进建议，尤其关注地理维度下的数据波动对整体业务的影响。 3. 基于地图数据的处理和分析，为公司各部门提供可视化的数据看板和分析报告，清晰展示地理空间的业务问题和机会，为决策提供有力数据支持。
数据分析师 Data Science DS 1. 负责出行业务拉美国家运营分析，开展数据建设、现状描述、异动归因、策略制定、实验设计与评估等常规工作 2. 理解出行业务商业模式，抽象业务逻辑，探索业务长期趋势和潜在机会 3. 通过构建数据来识别关键信息，理解运营诉求、通过多维度信息提供综合决策支持能力 4. 探索发现机会点，配合相关团队推动项目/动作落地
Data Science Manager-海外广告 (英文workable) ●消费者分析中所有形式的营销归因和衡量（Marketing Attribution & Measurement )，就营销衡量框架(Marketing Measurement Framework)向其他数据分析师和营销团队提供专家建议。 ● 与其他数据分析师和分析工程师合作，制定和执行数据科学发展规划的路线图，将一流的衡量框架投入生产。 ●开发营销衡量流程和框架（包括Marketing Mix Modeling, Attribution and Incrementality Test/Geo Lift Test, etc），使团队能够跨营销渠道和市场做出更明智的投资决策。 ● 建立统计/机器学习模型来预测用户生命周期价值（LTV 模型），用户分层（Uplift Model）,因果推断和其他创新数据科学项目。 ● 宣传数据的使用并主动发现机会以提高整个组织的数据素养和参与度。 ● 领导数据科学团队定义营销数据科学路线图和 OKR
1. 主导或核心参与至少一个核心海外市场的零售信贷产品（BNPL/现金贷）全生命周期风控策略的设计、实施与迭代。需要对该市场的整体风险表现（如通过率、逾期率、损失率）和资产质量负起核心责任。 2. 深度洞察业务，精准平衡业务增长、用户体验和风险控制三者间的关系，通过数据驱动的方式，为业务决策提供关键风控输入。 智能风控体系建设 (Intelligent Risk System Development): 1. 负责构建和持续优化贷前（准入、授信）、贷中（交易监控、动态调额）和贷后（催收评分、资产处置）的核心策略模块。 2. 深入分析用户行为、交易模式和宏观信用环境，主动识别潜在风险，设计并部署敏捷、自动化的风险应对策略和监控预警体系。 风控模型与数据科学应用 (Modeling & Data Science Application) 1. 驱动信用风险模型的完整生命周期管理，包括但不限于数据探查与清洗、特征工程创新、模型（申请分、行为分、催收分等）的开发、验证、部署、监控和迭代。 2. 不仅限于应用，更需要对各类模型算法（如逻辑回归、GBDT/XGBoost、深度学习等）有一定理解，能根据业务痛点和数据特性，进行算法选型、创新和提出优化建议，并主导A/B测试验证策略和模型效果。 跨职能协作与影响力 (Cross-Functional Collaboration & Influence): 1. 与产品、运营、工程、数据科学和合规团队紧密合作，将风控能力产品化、平台化，提升风控策略的部署效率和 robustnes（稳健性）。 2. 能够将复杂的风控模型和数据分析结果，清晰、简洁地呈现给不同背景的合作方和管理层，并以此驱动决策。 策略规划与方法论 (Strategic Planning & Methodology): 负责定义特定风险领域（如反欺诈、信用评估）的中长期策略规划和技术路线图。沉淀风控方法论，并通过文档、分享等形式赋能团队，指导和培养初级风控分析师。 前瞻性研究与创新 (Forward-Looking Research & Innovation): 探索如图计算、NLP、因果推断等前沿技术在风控领域的应用，发起并领导创新项目，为业务构建面向未来的核心竞争力。
1.负责半导体研发过程中相关工程数据分析系统、算法及工具的设计与开发，帮助提高研发效率和缩短新产品研发周期。 2.负责与设计/器件/工艺/整合/可靠性/缺陷与量测/IT等相关部门合作，进行工程数据分析系统的项目管理，完成需求梳理，产品设计与规划，推动系统开发与落地，产生业务价值。 3.负责针对特定研发领域工程问题，进行数学建模，统计建模，优化求解，数据挖掘，数据分析，解决实际问题。然后进一步抽象出方法论，通过系统化，高效解决类似问题，加速研发。 4.负责进行半导体图像数据处理，使用OpenCV等传统视觉工具，快速提取针对特定问题特征，实现高信噪比指标来表征工程问题，加速研发。 5.负责开发、优化和落地应用前沿的人工智能模型与算法，包括深度学习、机器学习方面，提升半导体制造领域的图像分类、检测与分割、时间序列数据预测与异常检测等方面的系统性能，提升工程分析效率与能力。 6.负责开发、优化和落地应用前沿的人工智能LLM/多模态智能体Agent技术，实现智能解决方案，提升工程分析效率与能力。 7.负责工程数据分析系统前沿web前后端、数据处理技术与框架的调研、应用与改造，满足复杂工程数据分析场景的需求。 8.负责制定数据分析系统演进路线图和推动系统落地和反馈分析。 9.负责数据科学团队的发展，增强团队能力与凝聚力。