网易资深数据挖掘工程师

1、深入理解业务，分析业务数据，应用统计学、机器学习/深度学习算法实现数据建模； 2、负责用户/商品画像体系建设，针对海量用户行为和内容信息持续迭代、评估、完善用户/商品标签； 3、参与用户增长相关业务，包括但不限促销、营销、新客转化等，深入挖掘用户需求，推动业务应用转化。

1. 通过游戏行为数据分析挖掘提升价值，构建数据预测模型,包括不限于设计高效算法预测游戏关键指标，识别出潜在流失用户等； 2. 基于海量用户数据，整合多端玩家信息，构建多维度玩家画像，并形成统一玩家身份OneID和标签系统； 3. 为产品提供专业的分析支撑，提出有效数据分析模型、指标体系，用数据支撑决策,持续跟踪模型效果，进行迭代优化；

1、BI平台技术架构设计与攻坚 -主导构建高性能、高可用的游戏行业BI平台，设计分布式数据存储、计算引擎、可视化服务等核心模块技术架构； -主导技术选型与迭代，包括OLAP引擎（ClickHouse/Doris）、计算框架（Flink/Spark）、前端可视化框架等关键技术组件。 2、数据服务化与性能优化 -构建统一数据服务层，封装复杂查询逻辑为标准化API，支持自助分析、报表订阅等场景； -建立全链路监控体系，优化数据从采集、加工到服务的端到端性能； -设计智能预计算模型，针对高频查询场景自动生成物化视图，提升查询效率； 3、 技术团队管理与工程效能提升 -领导数据平台研发团队（含数据开发、后端、前端工程师），制定技术路线图并推动落地； -建立工程师能力培养体系，主导Code Review、技术分享及复杂问题攻关（如分布式事务一致性保障）； -推动研发流程标准化，不断s实现需求交付周期缩短； 4、业务协同与技术产品化 -深入理解游戏运营需求（如活动效果实时监控、用户流失归因），将业务场景抽象为通用技术解决方案； -探索AI与BI融合场景，主导智能SQL生成、自然语言查询等技术预研与落地。

1、完成并不断优化标签模型和算法，至少包括：用户生命周期模型、用户行为偏好和预测、用户价值、用户风险、用户领域偏好、id-mapping等等； 2、协助相关业务发现价值点，深挖并产出正向收益； 3、推动用户画像数据的建设实现协同价值最大化。