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地图图层的设计与布局优化。 4. 具备良好的逻辑思维能力和问题解决能力，能够从复杂的数据中提取关键信息，通过地图分析发现业务问题并提出切实可行的解决方案。 5. 具备优秀的沟通协作能力，准确理解业务需求并提供有价值的数据支持。 6. 对数据有强烈的敏感度和好奇心，有较强的学习能力，能够快速掌握新的数据处理技术和分析方法，适应不断变化的业务需求。
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.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。
数据收集、回传及处理 1. 搭建完善的广告投放数据监测体系，实时收集、整理与分析广告投放数据，包括曝光量、点击量、转化率、成本等关键指标，深入洞察广告投放效果及用户行为路径； 2. 负责接收、回传、整合来自各大广告平台、公司内部业务系统等多渠道的数据，确保数据的完整性与准确性； 3. 对原始数据进行清洗，识别并处理数据中的缺失值、重复值和异常值，为后续分析提供高质量的数据基础； 4. 协助产研部门建立和维护数据仓库或数据库，优化数据存储结构，提高数据查询和调用的效率。 数据分析与挖掘 1. 对广告投放数据进行深度分析，挖掘数据中的潜在规律和趋势，为广告投放策略的优化提供数据支持； 2. 评估不同广告创意、投放策略的效果差异，为决策提供科学依据； 3. 及时发现投放中的低效，以及舞弊的流量，为公司降低损失。 4. 使用数据可视化工具将复杂的数据转化为直观易懂的图表，清晰展示广告投放效果及关键指标的变化趋势。定期撰写详细的数据报告，对广告投放效果进行全面解读，包括各项指标的完成情况、问题分析以及改进建议。 5. 积极协助产研部门优化投放工具和数据基建，提高效果广告的投放效率。 Data Collection, Transmission, and Processing 1. Establish and improve the ad performance monitoring system to collect, organize, and analyze advertising data in real time, including key metrics such as impressions, clicks, conversion rates, and costs, to gain in-depth insights into campaign effectiveness and user behavior paths. 2. Responsible for receiving, transmitting, and integrating data from multiple sources, including major ad platforms and internal business systems, ensuring data integrity and accuracy. 3. Clean raw data by identifying and handling missing values, duplicates, and anomalies to provide a high-quality data foundation for further analysis. 4. Assist product and engineering teams in building and maintaining data warehouses or databases, optimizing data storage structures to improve query and retrieval efficiency. Data Analysis and Mining 1. Conduct in-depth analysis of advertising data to uncover underlying patterns and trends, providing strong data support for optimizing advertising strategies. 2. Evaluate the performance of different ad creatives and delivery strategies to support data-driven decision-making. 3. Identify inefficiencies and fraudulent traffic in ad campaigns in a timely manner to help reduce company losses. 4. Use data visualization tools to transform complex data into clear and intuitive charts, effectively presenting trends and changes in key ad metrics. Regularly compile detailed data reports to comprehensively interpret advertising performance, including metric achievements, issue analysis, and improvement suggestions. 5. Actively support the product and engineering teams in optimizing ad delivery tools and data infrastructure to enhance the efficiency of performance advertising.