滴滴数据工程师(J250701038)
任职要求
1、2年以上数据工程师、数据分析师或相关领域工作经验，有互联网公司或软件研发团队内部效能数据分析经验者优先； 2、精通 SQL，具备复杂查询和性能优化能力； 3、熟练掌握至少一种编程语言（如 Python, Scala, Java），用于数据处理和自动化； 4、熟练使用数据可视化工具构建清晰、有效的仪表盘； 5、具备统计分析基础，能够运用数据发现规律、诊断问题、验证假设； 6、良好的数据敏感度和逻辑分析能力，能从数据中提炼有价值的信息。
工作职责
职位描述：我们是滴滴网约车研发效能团队，该岗位主要负责从海量研发活动中提取、整合、分析数据，构建可信、直观的效能度量体系，赋能团队持续改进！ 岗位职责： 1、研发效能数据平台建设与维护： 负责设计、构建、维护和优化研发效能专属数据仓库/数据湖，整合来自代码仓库 (Git)、CI/CD系统、项目管理工具、测试平台、部署系统、监控系统等各类研发工具链的数据； 2、研发效能指标体系构建与实现：与研发效能专家、研发经理、技术Leader紧密合作，深入理解业务目标和研发流程痛点，共同定义和设计科学、可落地的研发效能核心指标； 3、数据洞察、分析与可视化： 运用数据分析技能（SQL, Python）对研发效能数据进行深度挖掘，识别研发流程中的瓶颈、异常模式、改进机会和潜在风险。
1. 核心交易策略设计与优化 * 主导O2O出行行业交易全链路的策略算法研发，通过运筹优化（动态定价、资源分配模型）与深度学习（序列建模、强化学习）提升交易转化率、司机应答率及乘客留存率。 * 结合因果推断（Uplift Modeling、PSM）设计增长策略并量化对GMV的贡献。 2. 复杂场景下的算法攻坚 * 解决高并发实时推荐场景的技术挑战（如冷启动、多目标权衡），优化算法在 延迟、准确率、覆盖率 等维度的性能。 * 设计端到端的用户预期管理模型 ，通过多场景交互提升用户成交。
1. 深入理解滴滴海外出行的业务模式、流程和系统架构，发现潜在作弊风险点，和产品技术、业务运营高效沟通，设计合理的风控策略架构； 2. 独立思考业务场景可能存在的作弊风险，设计合理的数据埋点体系，通过大数据分析，定量识别潜在的风险和业务影响； 3. 与相关团队紧密配合，通过大数据挖掘，找到作弊者的行为特点，快速形成有效的打击策略，持续迭代优化某个业务或场景的风控效果； 4. 针对某个业务或场景建立合理的指标体系，在对抗过程中不断完善监控体系，与数据工程团队配合，形成可视化的监控系统快速发现作弊。
1.负责国际收单、钱包等场景的支付风险识别&决策模型的选型、开发和优化，负责模型部署应用、维护、监控和升级迭代; 2.深入理解国际支付业务和风险，总结和提炼用户行为序列、欺诈、赌博、洗钱、诈骗等风险特征，并对特征挖掘结果进行评估和验证; 3.负责建模流程优化，提升模型开发和部署效率，降低模型维护成本; 4.基于图算法、时序算法等对用户风险进行识别，在小样本、无样本场景上能够通过无监督、半监督、元学习等算法对风险进行有效识别。 5.研究前沿机器学习算法在支付风控领域的实践和应用。
负责搜索/NLP相关的算法工作，包括但不限于： 1、搜索query理解，包括纠错、同义词、term weight和意图识别等 2、suggestion 召回/排序/重排，query推荐等 3、搜索召回、相关性、精排和重排等排序策略开发