字节跳动增长数据分析师-飞书
任职要求
1、本科及以上学历，计算机科学、数理统计、数学、经济学等相关专业优先； 2、具备一定的数据分析工作经验，有过ToB产品相关增长分析、具备一定行业背景、深度参与过新业务增长者加分； 3、熟练掌握SQL、Python/R等数据分析工具和编程语言，熟悉Hadoop、Hive、Flink等大数据相关技术应用，能够高效地进行数据提取、清洗和分析；熟练掌握数理统计方法，逻辑性好； 4、…
工作职责
1、在对产品增长业务理解的基础上，负责增长相关数据管理工作，跟进数据采集、核心指标构建及看板搭建和维护； 2、在数据建设的基础上进行线索增长分析，并进行线索质量评估，分析输出相应的优化策略，并跟进增长动作落地及效果评估； 3、主动进行产品功能及应用场景分析探查，通过跟踪和监控重点数据，发现潜在的问题与机会，给出数据支持、分析报告、问题解决方案建议，为业务决策提供数据支撑。
1、负责字节跳动旗下一站式协作平台飞书的数据分析相关工作，有机会能够独立负责战略核心项目数据分析，空间大，有深度接触飞书AI方向的工作； 2、对企业办公、协同类工具产品有一定的了解或感兴趣,从数据出发参与到业务中，通过监控重点数据及分析探查,发现潜在的问题与机会，给出数据支持，为产品决策提供支撑； 3、全面分析各项影响产品体验提升与用户增长的因素，针对具体产品功能设计数据增长模型，给出可落地的产品优化方案，跟进增长动作落地及效果评估，数据话语权高； 4、对接业务部门数据需求，能够有效解决合作方的数据问题和诉求。
1、负责字节跳动旗下一站式协作平台飞书的数据分析相关工作，有机会能够独立负责战略项目数据分析，空间大，有深度接触飞书AI方向的工作； 2、对企业办公、协同类工具产品有一定的了解或感兴趣，从数据出发参与到业务中，通过监控重点数据及分析探查，发现潜在的问题与机会，给出数据支持，为产品决策提供支撑； 3、全面分析各项影响产品体验提升与用户增长的因素，针对具体产品功能设计数据增长模型，给出可落地的产品优化方案，跟进增长动作落地及效果评估，数据话语权高； 4、对接业务部门数据需求，能够有效解决合作方的数据问题和诉求。
1、负责确保飞书IAM的产品、服务和系统在各种条件下都能保持稳定、可靠和高效的运行，通过制定和执行稳定性策略、监控系统性能、预防和解决故障，以及推动持续改进，保障业务的连续性和用户满意度； 2、稳定性策略与规划：制定并完善领域的稳定性规划，确保与团队的业务目标和技术发展方向相一致，定义稳定性的关键指标和目标，并建立相应的监测和评估机制； 3、系统监控与预警：建立和维护全面的系统监控体系，包括性能指标、错误日志、异常检测等，建立实时预警机制，确保在系统出现潜在问题或故障时能够及时通知相关团队； 4、故障预防与解决：进行定期的系统风险评估和漏洞扫描，制定并实施预防措施，降低故障发生的概率，领导和协调故障应急响应团队，快速定位和解决系统故障，减少业务中断时间； 5、性能优化与容量规划：分析系统性能数据，识别性能瓶颈，并提出优化方案和改进措施，负责系统的容量规划，确保资源能够满足业务增长的需求； 6、团队协作与沟通：与开发、运维、测试等团队紧密合作，提供稳定性方面的技术支持和指导，定期组织稳定性相关的培训和分享会，提高团队的稳定性意识和技能水平； 7、持续改进：总结故障处理经验和教训，推动流程优化和技术创新，提升整体稳定性水平，跟踪行业内的稳定性最佳实践，引入先进的技术和方法。
团队介绍：飞书是 AI 时代先进生产力平台，提供一站式工作协同、组织管理、业务提效工具和深入企业场景的 AI 能力，助力企业能增长，有巧降。 从互联网、高科技、消费零售，到制造、金融、医疗健康等，各行各业先进企业都在选择飞书，与飞书共创行业最佳实践。先进团队，先用飞书。 课题背景： 飞书沉淀了企业内大量知识（文档、wiki、消息、会议记录、图片、视频等）。随着企业知识图谱、用户行为轨迹等图结构数据规模的指数级增长，传统基于文本匹配的RAG系统面临关系感知缺失和个性化能力不足的矛盾。如何寻找相对开销低、效果好的企业问答RAG新范式，突破现有系统在跨模态意图理解深度、个性化排序精度与实时生成质量上的瓶颈，基于企业内部知识和外部公网知识来回答问题与完成深度创作，这项工作对于字节自身做好企业知识管理，和飞书打造国内领先的企业知识问答创作产品，都有重要意义。 课题挑战： 1、图结构融合挑战：传统RAG系统以文本匹配为核心，难以有效捕获用户行为模式、实体拓扑关系等非结构化图信息。如何将文本、图像、视频等异构图数据嵌入到语义理解框架中，构建统一的特征表示空间，是提升意图识别精度的关键瓶颈； 2、动态推理挑战：企业关系图谱具有实时演化特性，用户行为模式与实体关联强度随时间动态变化。现有静态图嵌入方法难以满足实时问答场景的时效性要求，需要开发增量式图学习算法实现动态知识更新； 3、企业内部知识和外部公网知识的融合：当两种知识之间存在差异或冲突时，如果无法有效融合，会显著降低回答的可靠性和实用性。如何在不同模态间建立准确的语义关联，并有效融合内外部知识，是提升回答可靠性和实用性的关键。虽然业界 Deep Research 实现了基于 Agent 架构的公网知识深度检索与创作，但尚无企业内外部知识融合的成功实践； 4、Agentic RAG 可控性：基于Agent架构来实现企业知识问答创作，依赖LLM进行自主推理和判断，其决策过程存在一定的不可预测性。在某些复杂情况下（召回语料量大且干扰性强、企业内部知识与外部知识冲突），Agent可能做出不符合预期的决策，且难以直接干预和纠正。 我们的优势： 1、飞书企业问答产品已经积累了一定的用户基础，并在快速增长； 2、依托飞书套件，能够建立比较完整的用户与其他飞书内实体的图结构数据，并且已经有过早期实践（Lark Graph）； 3、飞书企业问答有完整的评测体系和资源，帮助RAG类探索快速迭代。