飞猪旅行飞猪-高级数据科学工程师-算法
任职要求
1.统计、计算机、经济学等相关专业优先，3年及以上互联网行业数据分析/数据科学实战经验； 2.熟练掌握SQL/Python基础数据处理能力，有可视化工具（Tableau/QuickBI）应用经验…
工作职责
1.协助搭建飞猪搜推广业务（算法模型、业务策略）及经营&营销业务（如补贴算法、交通策略等）的数据评估体系，参与AB实验设计、效果监控与基础归因分析。 2.负责搜推广AB实验、日常分析看板建设，评估算法和产品策略（如排序模型、意图识别等）对搜索效率和用户体验的影响，联动产品和算法工程师进行实验分析和策略优化。 3.协同算法团队完成中等复杂度的专项分析，输出结构化分析报告。
1、研发业界先进的abtest评估系统，负责实验平台数据科学方向的工作； 2、辅助高德各个业务线利用数据科学来进行业务决策，建立各业务的科学指标体系来衡量迭代效果； 3、开发调研类实验场景评估方法，辅助业务决策特殊实验； 4、探索大模型和实验分析、数据分析的结合场景，提升实验取数、实验解读和实验诊断的效率
设计、开发和维护高效、可扩展的数据处理系统，包括但不限于数据仓库、ETL（提取、转换、加载）流程等。 与数据科学家合作，实现数据模型和算法，支持业务决策。 优化数据处理流程，提高数据处理效率和质量。 参与制定数据管理策略，包括数据存储、备份和恢复等。 解决数据处理过程中遇到的技术难题，提供技术支持。 编写高质量的代码文档，确保代码的可维护性和可读性。
1，负责电商数据仓库的ETL流程设计、开发与优化，尤其关注招商、营销活动（含大促）等核心业务场景的数据集成，确保数据的准确性、实时性和为业务决策和AI应用提供高质量数据基础。 2，主导电商领域的数据建模工作，构建满足用户画像、商品分析、营销效果评估等业务需求的多维数据模型，支持精细化运营、个性化推荐和智能决策。 3，与电商业务、招商、营销业务和数据科学等组紧密合作，深入理解业务痛点和增长目标，提供创新的数据解决方案，优化数据处理流程，提升数据赋能业务的能力。 4，参与大数据平台的优化和扩展，探索并应用AI技术（如机器学习、自然语言处理等）提升数据处理效率、数据质量和数据洞察能力，例如智能数据清洗、异常检测、特征工程自动化等。 5，编写高质量的代码和技术文档，确保代码的可维护性、可扩展性和可理解性，并积极参与技术分享和知识沉淀。 1，Responsible for the design, development, and optimization of ETL processes for the e-commerce data warehouse, with a focus on core business scenarios such as merchant acquisition, marketing campaigns (including major promotions), ensuring accurate, real-time, and efficient data transmission, and providing high-quality data foundation for business decisions and AI applications. 2，Lead data modeling efforts in the e-commerce domain, building multi-dimensional data models that meet the business needs of user profiling, product analysis, marketing performance evaluation, etc., supporting refined operations, personalized recommendations, and intelligent decision-making. 3，Collaborate closely with e-commerce business, merchant acquisition, marketing, and other teams to deeply understand business pain points and growth objectives, provide innovative data solutions, optimize data processing workflows, and enhance the ability of data to empower business. 4，Participate in the optimization and expansion of big data platforms, explore and apply AI technologies (such as machine learning, natural language processing, etc.) to improve data processing efficiency, data quality, and data insight capabilities, such as intelligent data cleaning, anomaly detection, and automated feature engineering. 5，Produce high-quality code and technical documentation to ensure code maintainability, scalability, and understandability, and actively participate in technical sharing and knowledge accumulation.
1、建设国际数字商业集团商品数据资产体系，构建全网比价、选品、商机发现等核心能力，助力业务高效运转； 2、协同产技，通过数据+算法+工程化能力，提供数据洞察与产品化解决方案，提升业务数据化运营能力。