智能互联千问事业部-数据科学专家-用户增长方向

1. 负责千问用户增长数据科学及洞察，通过探索性数据分析、AB实验、因果分析等手段，输出可落地的业务洞察与策略建议，为产品、运营、投放、算法等团队提供数据支持与决策依据； 2、负责千问用户增长数据挖掘及应用，基于用户行为、投放效果、DMP画像等多源数据，构建并优化用户精细化分层、价值预估、风控算法、投放策略、归因策略、标签建模等算法模型，在业务场景落地，发掘高质量增长的机会，实现用户规模、用户粘性的增长； 3. 负责千问用户数据体系建设，参与数据仓库分层设计与模型建设，设计并维护稳定、高质量的数据链路以及，熟练使用 SQL、Flink、实时数仓等技术构建离线与实时数据工程，推动数据治理体系建设。

业务场景 我们正在构建面向医疗健康领域的大模型能力和应用体系。医疗数据具有高度专业性、知识密度大、准确性要求极高的特点——一条错误的药物相互作用知识可能直接影响用户健康决策。 团队需要从海量医学文献、临床指南、药品说明书、疾病知识图谱等异构数据源中，建设高质量的预训练语料和结构化知识库，支撑大模型在医疗问答、健康咨询、临床辅助决策等场景下的权威性、正确性与实用性。 你将参与到以Data为中心、驱动内容理解、知识构建、数据合成和应用的全链路工作中，为千问app toC的医疗健康业务提供高质量的RAG内容供给，同时沉淀高质数据、保障模型能力的迭代提升。 你的工作将直接影响模型在医疗垂直领域的效果天花板——数据质量决定模型能力上限。 工作职责 1. 负责大规模数据采集与内容发现的架构设计、核心技术研发与持续优化，覆盖网页、文档、图片、视频等多种数据形态，实现高质量数据资源的自动化发现、采集与更新。 2. 负责大模型数据基建与演进，支撑海量数据的存储、治理、预处理、质量评估及版本管理，包括数据清洗、去重、相似度计算、脱敏、结构化转换等核心能力建设，保障医学数据的高度准确性、安全与合规。 3. 结合自然语言处理（NLP）、多模态理解、大模型等技术，对海量非结构化数据进行信息抽取、网页分析、内容聚类、标签体系建设等核心技术开发，构建高质量训练数据集和知识库体系，提升RAG效果 4. 与算法团队紧密协作，围绕大模型训练、微调、评测及应用落地需求，设计并优化数据规模、数据结构、数据质量和数据生产流程，持续提升模型训练效果。

1.负责千问业务数据分析，洞察业务机会，发现业务问题，为产品迭代提供决策依据； 2. 构建千问的全链路数据指标体系。针对大模型特性，建立自动化评估的体验度量模型，精准定位模型能力短板与产品体验断点； 3. 主导大模型底层迭代的A/B实验与因果推断评估。设计严谨的实验分流与检验方案，平衡“模型效果”与“推理成本”，为模型发版与策略上线提供科学决策依据； 4. 探索因果推断、贝叶斯优化、强化学习等前沿方法论在AI产品中的落地。打通“数据分析-模型评估-数据飞轮”闭环，将分析洞察转化为产品优化方向； 5. 配合数据工程团队，主导“数据分析Agent”的业务逻辑设计与效果评估。

1. 负责数据平台的整体架构和开发工作，包括但不限于服务端设计与开发； 2. 熟悉并应用大数据相关技术及中间件，提升数据处理效率；参与数据Agent相关研发，包括理论研究与技术应用； 3. 对现有数据平台进行优化升级，提升系统性能；根据团队项目需求，完成数据平台研发任务。