字节跳动数据建模工程师（金融科技）-Data

1、负责金融风控和营销领域数据的特征挖掘和模型开发，挖掘并整合三方数据特征，运用逻辑回归、XGBoost、神经网络等算法进行数据建模； 2、能设计模型开发流程，评估模型有效性，并持续监控与优化模型； 3、根据业务模型需求构造适合的特征变量，挖掘数据价值，基于对数据的理解，对数据进行清洗、分析与加工； 4、负责开发用于风险分析，模型构建的相关工具。

1. 主导或核心参与至少一个核心海外市场的零售信贷产品（BNPL/现金贷）全生命周期风控策略的设计、实施与迭代。需要对该市场的整体风险表现（如通过率、逾期率、损失率）和资产质量负起核心责任。 2. 深度洞察业务，精准平衡业务增长、用户体验和风险控制三者间的关系，通过数据驱动的方式，为业务决策提供关键风控输入。 智能风控体系建设 (Intelligent Risk System Development): 1. 负责构建和持续优化贷前（准入、授信）、贷中（交易监控、动态调额）和贷后（催收评分、资产处置）的核心策略模块。 2. 深入分析用户行为、交易模式和宏观信用环境，主动识别潜在风险，设计并部署敏捷、自动化的风险应对策略和监控预警体系。 风控模型与数据科学应用 (Modeling & Data Science Application) 1. 驱动信用风险模型的完整生命周期管理，包括但不限于数据探查与清洗、特征工程创新、模型（申请分、行为分、催收分等）的开发、验证、部署、监控和迭代。 2. 不仅限于应用，更需要对各类模型算法（如逻辑回归、GBDT/XGBoost、深度学习等）有一定理解，能根据业务痛点和数据特性，进行算法选型、创新和提出优化建议，并主导A/B测试验证策略和模型效果。 跨职能协作与影响力 (Cross-Functional Collaboration & Influence): 1. 与产品、运营、工程、数据科学和合规团队紧密合作，将风控能力产品化、平台化，提升风控策略的部署效率和 robustnes（稳健性）。 2. 能够将复杂的风控模型和数据分析结果，清晰、简洁地呈现给不同背景的合作方和管理层，并以此驱动决策。 策略规划与方法论 (Strategic Planning & Methodology): 负责定义特定风险领域（如反欺诈、信用评估）的中长期策略规划和技术路线图。沉淀风控方法论，并通过文档、分享等形式赋能团队，指导和培养初级风控分析师。 前瞻性研究与创新 (Forward-Looking Research & Innovation): 探索如图计算、NLP、因果推断等前沿技术在风控领域的应用，发起并领导创新项目，为业务构建面向未来的核心竞争力。

部门介绍： 我们是京东云，作为京东集团面向企业、政府等机构的技术服务品牌，是更懂产业的数智化解决方案提供商，致力于为企业、金融机构、政府等各类客户提供以供应链为基础的数智化解决方案。依托公、专、混的全栈式云产品矩阵，我们融合了人工智能、大数据、物联网等前沿科技，在零售、物流、健康、智能城市、金融科技等行业领域为客户提供了丰富的产品与数字化解决方案，帮助客户降低成本、提升效率，是值得信赖的产业数字合作伙伴。 岗位职责： 1.测试平台实现：主导质量专项平台核心模块开发，包括测试用例管理、自动化执行、缺陷追踪等功能，确保模块性能与稳定性，支撑平台整体落地； 2.测试工具与脚本开发：针对多测试场景（如自动化、性能、安全、数据构造等），开发适配的测试工具与脚本，如性能压测辅助脚本、测试数据生成工具、安全漏洞扫描辅助工具等，整合到质量平台，覆盖全测试链路需求，提升测试效率与覆盖度； 3.平台问题排查与优化：负责质量平台日常使用问题排查，收集用户反馈，优化平台功能与交互，迭代提升平台易用性与支撑能力； 4.测试流程协同：配合测试团队，基于质量平台制定标准化测试流程，提供技术支持，推动团队高效使用平台开展测试工作。

一、岗位职责 1.面向 To C 线上业务场景，围绕客户全生命周期经营，开展用户/客户数据分析与数据挖掘工作，支持精细化运营、产品增长与商业转化。 2.构建并持续迭代客户画像与分群体系，设计客户动态分群与生命周期演化分析方法，刻画客户结构变化及迁移路径。 3.开展用户行为分析，识别影响用户活跃、留存、转化等关键因素，输出可落地的业务洞察与策略建议。 4.参与推荐、排序、匹配等模型的设计与应用，包括但不限于产品推荐、内容推荐、流量分发与转化预测。 5.与产品、运营、业务及技术团队紧密协作，将业务问题抽象为数据与模型问题，推动数据能力在实际业务中的落地应用。 6.参与数据指标体系与分析方法的建设，提升数据分析与决策支持的系统性和一致性。