顺丰大数据挖掘与分析工程师（顺丰科技）

1、深入理解业务、产品的方向和需求，构建公司数据分析与数据挖掘体系，针对复杂的业务问题，规划、设计、实现基于数据挖掘的解决方案，充分实现数据的价值； 2、分析和研究数据与实际业务的关联关系，利用数据挖掘的先进技术，针对具体业务需求场景，进行建模分析； 3、基于海量用户行为数据和其他数据，开发设计面向常规算法不能解决问题的可扩展机器学习算法，并以实际业务应用为导向研发创新方法，产生创新应用； 4、为产品运营提供数据分析支持，包括网站数据分析、产品用户分析、行业分析等。

1、参与客户数据底盘建设，挖掘客户行为数据，设计构建全生命周期客户画像。 2、负责关键业务指标分析监控，独立开发数据报表/看板，洞察数据趋势异常，输出数据洞察报告赋能决策。 3、运用数据分析与机器学习算法（聚类/预测等），深度参与营销策略制定、效果评估与迭代优化，提升营销转化率及收入达成。 4、探索基于大模型的智能营销应用，协同开发团队支持底层数据链路构建。

1.参与顺丰M线定价场景下的数据分析、数据挖掘和建模； 2.针对具体的业务场景，如折扣方案测算、组合报价推荐等，通过数据分析、特征工程等，牵引整体解决方案设计，助理业务价值达成； 3. 构建算法模型效果评价体系，并搭建看板进行效果监控和呈现，助力算法模型持续优化；

1、大模型与智能体核心能力建设： 围绕销售及大件业务场景，负责规划理解、用户画像与偏好洞察、话题与线索分析及 chatBI 等核心能力上的应用设计、微调与持续优化，支撑线索智能体、销售助手智能体及大件智能体等关键场景落地。 2、智能体工程化与能力复用建设： 设计并持续优化 Prompt、RAG（检索增强生成）、工具调用及 Agent 协作机制，推动大模型、推荐及相关决策能力的工程化落地，保障智能体能力的稳定性、可扩展性与跨场景复用。 4、业务决策模型与数据驱动优化： 结合销售线索质量、智能报价与折扣策略等业务需求，支持折扣方案模型的优化与场景拓展，通过数据挖掘与分析持续评估智能体与模型效果，驱动核心能力的迭代优化与业务价值提升。