蚂蚁金服网商银行-数据科学家-杭州
任职要求
1、数学、统计，应用数学，数据挖掘、机器学习、计算机、经济学等相关背景，博士生优先； 2、非常扎实的统计推断知识、基本的统计建模知识，良好的逻辑思维能力，优秀的分析和解决问题的能力，面对挑战性问充满激情； 3、优秀的SQL能力，熟练使用数据分析相关的编程…
工作职责
1、基于蚂蚁/网商的海量数据，研究数据科学、ab实验、建模预测等方面的技术，在产品、运营、研发等场景中进行数据分析、ab实验设计、效果评估和建模预测优化等工作； 2、研究统计分析、ab实验、因果推断、数据挖掘等方面的前沿技术，推动这些方面的技术更深层次的探索，形成技术创新并沉淀方法论或者应用工具； 3、围绕互联网金融场景的业务增长问题，主动发掘增长机会成立项目，运用数据科学的实验方法，设计实验迭代，推动业务的真正增长； 4、研究用户行为变化背后的底层逻辑，建立用户决策的驱动因素分析结论，并将它应用到解决实际业务问题中。
1、能结合业务发展特点，通过定性/定量方法，结合内外部视角去辅助业务决策层进行目标制定、目标管理、目标达成路径策略输出、过程跟进、以及闭环复盘； 2、设计线上A/B实验，分析衡量策略效果并给出迭代建议；针对特定业务场景，创新或引进新的A/B实验、因果推断、统计建模等分析方法，提高分析效率或分析准确性； 3、辅助业务决策层进行策略分析，通过使用数据分析、专题/项目复盘、策略评估、流程梳理等工作方式，对业务增长和发展方向提出有价值的观点，并与业务团队共同推动落地； 4、在深入理解业务的基础上，有能力搭建和持续迭代业务分析框架，沉淀分析思路与框架，推动数据产品的落地以及数据化运营能力建设。
1.参与淘宝商品基础数据域相关的架构、技术体系、数据模型的规划建设，包括数据采集、数据治理、数据质量及稳定性保障体系、数据处理智能化和自动化体系的建设； 2.基于淘系数据建立多领域的商品全生命周期数据和价值体系，通过主动的数据分析来挖掘和发现电商业务各场景的增长机会； 3.数据驱动和结果导向，设计合适的分析和算法解决方案，利用运筹优化，博弈论，因果推断，机器学习建模等方法对商品价值、商品质量等问题建模分析； 4.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、归因分析等多种智能copilot工具
关于我们： 我们是一支全球化、多元化、专业化的数据先锋团队，以技术为引擎，以数据为纽带，驱动全球20亿消费者与数千万商家的数字化商业生态。立足中国，服务全球，每天处理覆盖东南亚、欧洲、美洲等多时区的跨境数据洪流，在多语言、多文化、多法规的复杂场景中，打造“数据&AI技术驱动业务”的全球化数据中台。 团队致力于构建全新的满足安全合规的国际化大数据架构体系；统一的用户/商品/商家资产体系建设，含统一的DMP和选品平台；面向海外商家数据服务的生意参谋及数据银行支撑业务全链路数据驱动闭环，打造从站外竞对机会发现到商品供给和用户增长的数据智能服务Agent平台。我们秉承简单开放、创新能力、匠心精神的团队文化； 职位描述 Job Description 1. 深入理解行业业务逻辑与用户生命周期，通过用户行为分析、消费心理建模、多源数据融合，诊断业务增长瓶颈，设计可落地的用户价值提升策略（如会员分层运营、场景化精准触达、流失用户挽回等）。 2. 主导端到端增长项目：独立完成从业务需求拆解->实验设计->用户特征工程->预测模型开发（如客户分群/LTV/传播裂变因子挖掘）->策略效果归因的全流程。 3. 搭建业务分析框架：结合行业特性（如电商高频转化、内容平台沉浸度驱动、金融行业信用风险维度），设计可解释的用户标签体系与归因模型，输出用户洞察报告指导产品迭代与运营策略。 4. 与搜索推荐、产品、运营团队紧密协作，推动增长实验、A/B测试落地，结合AI模型结果，持续优化产品与内容分发策略。 5. 支撑用户增长策略的算法能力沉淀与平台化建设，推动AI在个性化推荐、多模态建模、用户行为预测等方向的深度应用。 1. Drive business growth strategies through deep user analytics and lifecycle value modeling, focusing on solving real-world problems like member tier operation, scenario-based engagement, and churn recovery. 2. Own full-cycle projects from business diagnosis to deployment: 3. Develop industry-specific frameworks: Design interpretable user tagging systems and attribution models tailored to sector characteristics (e-commerce conversion loops, content engagement drivers, etc.) 4. Collaborate closely with Search & Recommendation, Product, and Operations teams to run growth experiments and optimize strategies based on AI insights. 5.Contribute to platform-level capability building for scalable, AI-powered growth solutions across personalization, multi-modal modeling, and user behavior prediction.
1.面向上亿支付宝用户，通过机器学习、大模型等技术强化用户认知，解决业务痛点问题，带来业务价值。 2.挖掘黑产行为，针对欺诈、盗用、赌博、洗钱等不同风险域面临的具体问题，提出有效的风控解决方案 3.针对实际的风控问题，完成风控模型的训练、部署和应用，并持续跟踪模型效果，不断迭代优化；通过研发领域大模型、AI Agent、Copilot等技术，推动大模型在风控场景中的落地。