滴滴Senior Data Scientist(J250730004)
任职要求
● 数据科学或相关学科硕士或博士学历 ● 3-5 年数据科学家经验，专注于营销衡量或类似领域 ● 精通R/python/SQL ● 深入理解实验设计和方法、A/B Test、Geo lift Test、Incrementality Test及其统计原理。 ● 具有因果推断(Causal Inference)和其他计量经济学的经验 ● 国际数字营销生态系统(Digital Marketing Ecosystem)的行业知识，包括Google、Facebook等 ● 建立统计和机器学习模型及其应用的经验 ● 有处理大数据集的经验 ● 丰富的项目管理经验 ● 熟悉 iOS 和Android的数据隐私变动和Incrementality Measurement的优先 ● 数据驱动的问题解决方法。 以分析和以客户为中心的心态来定义、监督关键绩效指标，并确定改进机会。 ● 在面向跨职能团队领导和利益相关者的演示文稿和报告中总结数据的经验。 ● 出色的口头和书面沟通能力。 ● 流利的英语交流能力（必备技能） ● 加分项：Spark/Hadoop 专业知识、交互式可视化应用程序开发
工作职责
高级数据科学家 测量和分析（Measurement & Analytics）团队是优化我们国际化大规模营销预算的关键参与者。 您将加入一个由热情的数据科学家和分析师组成的专业团队，为国际化业务提供最佳营销建议。 作为数据科学家，您将负责支持创新解决方案的开发、挑战行业现状并通过高级数据自动化扩展解决方案。 覆盖 10 +国家和 业务线，您将接触到许多合作方，他们是各自领域的专家。 快速迭代和不断学习将是这一旅程的关键部分。 如果您喜欢从0到1的创造，持续的学习进步的机会，国际化的团队氛围和灵活的办公环境，与多元化的顶尖人才团队合作，那么这可能是您的理想工作！ 你的责任 ● 您将成为消费者分析中所有形式的营销归因和衡量（Marketing Attribution & Measurement )的专家，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密切合作，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。 ● 您的工作将主要集中在开发一流的营销衡量流程和框架（包括Marketing Mix Modeling, Attribution and Incrementality Test/Geo Lift Test, etc），这将作为我们营销策略的基石，使团队能够 跨营销渠道和市场做出更明智的投资决策。 ● 您还将致力于建立统计/机器学习模型来预测用户生命周期价值（LTV 模型）和其他创新数据科学项目。 ● 您将是数据布道师，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。
测量和分析（Measurement & Analytics）团队是优化我们国际化大规模营销预算的关键参与者。 您将加入一个由热情的数据科学家和分析师组成的专业团队，为国际化业务提供最佳营销建议。 作为数据科学家，您将负责支持创新解决方案的开发、挑战行业现状并通过高级数据自动化扩展解决方案。 覆盖 10 +国家和 业务线，您将接触到许多合作方，他们是各自领域的专家。 快速迭代和不断学习将是这一旅程的关键部分。 如果您喜欢从0到1的创造，持续的学习进步的机会，国际化的团队氛围和灵活的办公环境，与多元化的顶尖人才团队合作，那么这可能是您的理想工作！ 你的责任 ● 您将成为消费者分析中所有形式的营销归因和衡量（Marketing Attribution & Measurement )的专家，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密切合作，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。 ● 您的工作将主要集中在开发一流的营销衡量流程和框架（包括Marketing Mix Modeling, Attribution and Incrementality Test/Geo Lift Test, etc），这将作为我们营销策略的基石，使团队能够 跨营销渠道和市场做出更明智的投资决策。 ● 您还将致力于建立统计/机器学习模型来预测用户生命周期价值（LTV 模型）和其他创新数据科学项目。 ● 您将是数据布道师，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。
• Collaborate with BIE,DE, PM, CSM to research, design, develop, and evaluate generative AI solutions to address Global Selling challenges. • Interact with stakeholders directly to understand their business problems, aid them in implementation of generative AI solutions, brief stkaholders and guide them on adoption patterns and paths to production • Create and deliver best practice recommendations, tutorials, blog posts, sample code, and presentations adapted to technical, business, and executive stakeholder
Partner with business teams to translate strategic questions into analytical frameworks Build and apply models for causal inference, forecasting, and optimization Analyze complex datasets, including geospatial and market data, to identify performance drivers Present clear, actionable insights to stakeholders
• Ship features with PM & Engineering. Co‑own scenario goals; translate product requirements into scientific plans and productionized solutions that meet quality/latency/cost targets. • Model development & optimization. Design, fine‑tune, and evaluate models for LLM‑based authoring, summarization, reasoning, voice/chat, and personalization (e.g., SFT, alignment, prompt/tool use, safety filtering, multilingual & multimodal). • Data & evaluation at scale. Build/extend data pipelines for curation/labeling/feature stores; author offline eval harnesses; run online A/Bs and interleavings; define guardrails and success metrics; author scorecards and decision memos. • Production ML engineering. contribute to service code and configs; add monitoring, tracing, dashboards, and auto‑scaling; participate in on‑call and postmortems to improve live‑site reliability. • Responsible AI. Produce review artifacts, document mitigations for safety/privacy/fairness, support red‑teaming and sensitive‑use checks, and align with Microsoft’s Responsible AI Standard. • Collaboration & mentoring. Partner across PM/ENG/Design/CE/ORA/CELA; share methods and code, review PRs, improve reproducibility and documentation; mentor junior scientists.