顺丰大数据挖掘与分析工程师
任职要求
1、学历与经验： 计算机、人工智能、数学等相关专业硕士及以上学历，3 年及以上算法或大模型相关工作经验，具备大语言模型在真实业务场景中的落地实践经验者优先。 2、大模型与算法能力： 熟悉主流大语言模型（如 GPT、Qwen、LLaMA 等）的原理与使用方式，具备 Prompt Engineering、模型微调（SFT / LoRA）或推理优化经验；对任务规划等 数据分析与挖掘 方向具备扎实的理论基础与实践能力。 3、智能体与系统设计能力： 理解并具备基于大模型的智能体（Agent）设计与实现经验，熟悉多智能体协作机制、推理链路设计、工…
工作职责
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。
1. 数据挖掘与分析：负责物流风控相关数据的收集、清洗、分析和挖掘，构建用户风险画像、风险评估模型等，识别潜在风险。 2. 算法开发与优化：设计并实现风控算法，如信用评分、反欺诈、异常检测等，持续优化算法性能。 3. 风控策略制定：基于数据分析结果，协助制定和优化风控策略，提升风控效率和准确性。 4. 跨部门协作：与产品、运营、技术等部门合作，推动风控策略落地。 5. 行业研究：跟踪物流风控领域的最新技术和趋势，能基于物流场景进行算法的优化与改造，沉淀算法能力，提出创新解决方案。
1.参与顺丰多业务项目下的预测模型的数据分析与模型搭建工作； 2. 熟悉营运各环节（收、转、运、派）的业务数据，对于预测的细化场景可以识别关键问题、分析出有效结论，并且设计解决方案，反哺模型的优化，实现端到端统一建设； 3. 负责构建机器学习、深度学习等模型，并实现生产模型服务的搭建与运维； 4. 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、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。