OPPO数据分析工程师
校招全职软件类地点:成都 | 深圳状态:招聘
任职要求
1.数学、计算机、软件工程等相关专业; 2.熟悉SQL,有数据结构设计和数据开发能力; 3.熟悉基本的分析方法和挖掘算法; 4.逻辑清晰,思维严谨,有一定数据敏感度,热爱数据分析工作; 我们更希望你: 1.有数据分析、数…
登录查看完整任职要求
微信扫码,1秒登录
工作职责
方向一:负责OPPO用户分析,产出分析报告,指导手机产品规划方向; 方向二:负责业务分析报表的设计和开发; 方向三:负责产品数据需求对接,完成需求分析、数据处理、用户分析要求; 方向四:参与用户画像体系建设,完成代码开发、测试验证、文档编写; 方向五:参与数据产品设计,参与从需求到原型设计、到开发再到上线及推广的完整项目周期; 方向六:AB实验方案和效果评估方案设计,以及实验效果分析复盘,快速推动产品的更新迭代; 方向七:负责广告营销、用户研究相关业务的数据分析工作,承接手机行业视角的数据分析专项。
包括英文材料
SQL+
https://liaoxuefeng.com/books/sql/introduction/index.html
什么是SQL?简单地说,SQL就是访问和处理关系数据库的计算机标准语言。
https://sqlbolt.com/
Learn SQL with simple, interactive exercises.
https://www.youtube.com/watch?v=p3qvj9hO_Bo
In this video we will cover everything you need to know about SQL in only 60 minutes.
数据结构+
https://www.youtube.com/watch?v=8hly31xKli0
In this course you will learn about algorithms and data structures, two of the fundamental topics in computer science.
https://www.youtube.com/watch?v=B31LgI4Y4DQ
Learn about data structures in this comprehensive course. We will be implementing these data structures in C or C++.
https://www.youtube.com/watch?v=CBYHwZcbD-s
Data Structures and Algorithms full course tutorial java
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
数据分析+
[英文] Data Analyst Roadmap
https://roadmap.sh/data-analyst
Step by step guide to becoming an Data Analyst in 2025
还有更多 •••
相关职位
社招2年以上汽车研发
1、负责梳理数据业务流程并萃取数据业务指标; 2、分析数据业务指标解释业务现象,并结合调研结果定位业务问题,给出解决方案,推动业务目标达成; 3、负责数据业务相关信息收集、整理,制作数据分析报告,支持相关业务的数据需求; 4、负责制定数据成本策略 6、负责数据产品上线培训、BUG反馈以及产品优化; 6、优化本岗位工作流程、工具并提炼分析模型;
北京
社招2-5年SOFTWARE
岗位职责: 1、业务数据分析:负责互联网服务系统服务生态部(服务生态、新场景、大通知)的数据分析工作; 2、数据体系建设(与数仓协作):负责数据体系建设,包括指标体系设计、数据埋点规划、指标监控和异动归因; 3、问题诊断解决:主动识别产品运营问题,主导专项分析,洞察提升策略并推动落地; 4、用户行为研究:建立产品用户画像;分析用户行为数据,输出用户分析报告。
更新于 2025-09-22深圳
社招3年以上研发技术类
1.数据建模分析:负责 IoT 家电设备用户使用数据建模分析,挖掘设备运行效率、故障预警、能耗优化等场景价值 2.评估体系构建:结合传感器数据与用户交互行为,建立设备智能化能力评估体系 3.APP数据分析:对智能化 APP 配网成功率、功能使用热区、用户留存 / 流失归因等全链路分析,构建 NPS 与用户分群模型,输出体验优化建议 4.数据报告输出:搭建多维度数据看板,面向管理层 / 产品团队输出数据洞见分析报告,推动分析成果转化为业务策略 5.数据应用治理:开展基于数据应用的治理工作,包括制定 IoT 设备埋点规范,处理非结构化设备日志数据,设计数据清洗 SOP 及治理方案等 6.技术探索优化:探索 AI + 数据分析应用场景,推动分析流程自动化,通过 LLM 技术优化报告生成效率
更新于 2025-06-23深圳