高德地图高德-高级数据开发工程师（ETL）-商业智能部

在这里，你可以参与高性能分布式服务端程序的系统设计，为淘宝天猫的产品提供强有力的支持，在海量的网络访问和数据处理中设计并设施最强大的解决方案； 在这里，你会深入理解业务，参与产品的开发和维护，完成从需求到设计、开发和上线等整个项目周期内的工作，为用户提供丰富而有价值的产品； 在这里，你可以参与基础软件的设计、开发和维护，如分布式在线服务、文件系统、缓存系统、Key/Value存储系统、数据库、Linux操作系统和Java优化等； 在这里，你可以背靠世界领先的大模型基座，在丰富的 B/C端应用场景中，探索 AI 技术在电商领域最前沿的应用：你会参与AI Agent开发与优化，基于大语言模型（LLM）或垂直领域模型，开发具备自主决策能力的AI Agent，支持任务分解、工具调用（如API、数据库）和结果反馈；同时你会参与AI应用开发与部署，将AI能力封装为服务，集成到企业级应用中。 在这里，你可以参与海量数据处理和开发，通过sql、pl/sql、java进行etl程序开发，满足商业上对数据的开发需求； 在这里，你会接触超大规模的计算底层核心技术的设计和实现，构建高可靠性、高可用性、高可扩展性的体系结构，满足日趋复杂的业务需求 加入我们，你将与淘天集团广泛的电子商务产品技术为伍，将消费者的喜爱变为极致性能的挑战，为业务产品保驾护航。来吧，我们等你加入！

团队介绍： 平台技术是阿里国际集团技术创新和业务支撑的核心团队，以构建全球领先的数据+智能+跨云一体化数字化技术基础设施为目标，倾力打造合规、稳定、高效且用户体验卓越的技术服务平台。 我们基于全球化架构与数字智能技术，构建坚实合规的全球化商业底座。采用先进的微服务架构、混合云最佳实践以及智能模块化设计，有效提升业务响应速度和灵活性。通过技术创新驱动研发模式的代际演进，聚焦敏捷开发、先进生产工具、自动化运维流程，践行AI和云原生时代的DevOps文化。打造技术产品和研发规范，构筑起全方位的安全防护屏障。依托数据平台，基于大数据分析、机器学习等先进技术手段，构建强大的数据中台和智能决策支持系统。我们的终端技术专注于提升用户的数字化交互体验，结合智能时代的人机交互范式和网络技术，为全球用户提供极致流畅、个性智能的产品体验 职位描述 1. 产品规划与落地： 负责基于海量电商数据，规划并设计数据智能 Agent 产品（如：商机挖掘，用户洞察，智能取数助手、Text-to-SQL 工具、自动化数据分析报告）。 2. 技术转化与应用： 深入最新AI领域的技术最新在数据分析领域的应用（如 Agent 框架、RAG 检索增强、Text-to-SQL 准确率优化、Code Interpreter 等），将前沿技术转化为可落地的产品功能，解决传统的痛点。 3. 跨部门协作： 与 ETL 工程师、数据分析师、算法团队紧密配合，业务 多部门合作，梳理电商业务“语义层”或“知识库”和工作流程。 4. 场景挖掘与运营： 深入业务一线，挖掘运营、采销、管理层的数据使用场景，推广 AI 数据工具。通过用户行为数据分析，优化 Agent 的交互体验，提升内部或外部客户的数据获取效率。

1. 为大麦国际核心业务策略、创新商业策略建立完整、科学的指标监控、预测，评估，洞察的数据体系；能够具备建设AB实验的能力，深度参与实验设计，为业务提供策略决策依据； 2、数据驱动和结果导向，设计合适的分析和数科解决方案，利用运筹优化，博弈论，因果推断，机器学习建模等方法对大麦国际内各场景的有效行为提升、营销策略的建模分析与推动，实现业务增长； 3、数据产品建设，负责科学分析能力产品落地，主要包括多维分析、归因分析、智能tips等多种数据科学组件。

作为设备控制工程师您主要负责冲压车间设备的运行维护，通过研究设备运行状态，为设备的长期稳定运行提供专业指导。同时，他支持设备的持续更新与功能开发，包括设计、编写和调试上位机程序及PLC程序，推进新功能（如视觉系统、制造管理系统、预测性维护系统等）与现有设备的集成与调试。同时将领导IOT数据架构和预测性维护（PdM）计划。您的核心使命是通过智能数据收集、集成和分析，使车间实现数据驱动的运营。您将连接生产需求和数字化解决方案之间的差距，将业务挑战转化为可行的数据项目，确保数据可用性、质量和有意义的应用，以提高生产率、质量和成本效率。 职责描述： 领导IOT数据架构在车间设备中的部署和维护，与数字化工厂和智能制造平台集成 使用可视化工具（例如Power BI、Grafana、Tableau）开发和维护动态展示窗口和数字门户，以实现实时监控和决策支持 使用ETL技术从多种数据源（结构化/非结构化）提取、转换和加载数据，确保业务就绪数据集用于分析 维护和优化车间SQL数据库；管理原数据，确保数据质量，并根据业务需求扩展模式 分析传感器、过程和机器数据以检测趋势、异常和根本原因；支持生产团队提供可行的方案 将机器学习模型应用于时间序列、图像或文本数据，以进行预测性维护和过程优化 维护当前车间级别的数据监控系统，以支持日常运营和关键性能偏差的早期预警机制 与跨职能团队（例如设备、工艺、质量）合作，提供端到端数据解决方案和持续改进项目 推广和引入冲压团队采用企业级数字工具和平台 使用统计和机器学习方法进行长期研究和数据挖掘项目，以解决复杂的运营问题 执行经理分配的其他任务，以符合智能化转型战略 遵守公司规章制度，严格按照作业指导书工作，积极查找安全隐患，及时汇报安全隐患和事故，提出安全合理化建议，通过不断改进，创造安全健康的工作环境