智能互联业务技术-高级数据研发工程师-数据平台

1、负责淘系各类决策数据体系的建设，通过数据+工程化，联合BI赋能管理决策，提供高质、稳定的决策数据产品； 2、构建淘系模型、稳定性、质量、成本等治理体系，建设丰富的技术+业务元数据，通过工程化能力，打造先进的淘宝数据治理平台，服务前台业务； 3、打造面向AI时代的数据资产平台； 4、基于新数据资产平台，构建AI研发、AI取数、AI分析等应用场景落地。

1、顶层架构规划： 设计全链路决策优化系统，整合因果推断、多目标运筹优化与消费者研究，驱动业务从流量增长向用户生命周期价值最大化转型。 2、决策引擎研发： 主导多目标优化算法的设计与落地，平衡业务指标与约束条件（如预算），解决高维决策空间的资源配置难题。 3、因果归因与实验设计： 构建高鲁棒性的因果推断框架，解决营销干扰下的反事实归因难题，利用异质性因果效应模型（HTE）实现精准的资源配置与补贴优化。 4、消费深度洞察： 建立基于复杂行为序列的消费者画像体系，通过关联规则挖掘与长短时序建模，深刻理解瞬态与稳态消费的触发机制，形成业务增长的“感知地图”。 5、技术影响力： 推动“感知-认知-决策-执行”的 Agentic Workflow 落地，沉淀可复用的“技能库（Skill Set）”，提升团队整体工程效率。

1、负责淘宝内部企业级软件的AI研发系统技术规划与实施落地，带领团队面对数千个代码库的复杂存量系统，通过完善现有系统AI友好化改造、构建各类研发Agent、探索新型研发工具形态，最终交付企业级软件的AI原生研发模式； 2、AI研发系统构建及演进：根据行业最新进展及内部企业实际情况，定义企业级软件的AI研发系统的整体方案及演进路径。能够识别关键问题，创新技术方案，协同各方诉求，完成技术方案应用落地； 3、存量系统AI友好化改造：定义企业级软件的AI友好架构内容，针对现有存量系统能够制定切实可行的落地方案和实施路径，多团队协作，逐步完成存量代码库的AI友好化改造； 4、跨团队协作与应用落地：能够深入了解电商场景的交易营销、搜索推荐、直播等技术域特点，构建AI研发系统平台通用能力及各技术域开放定制能力，制定满足各技术域不同诉求的差异化落地方案。

负责企业级智能业务平台中"知识与记忆中心"的整体规划与技术落地。该模块是平台的核心基础设施，为上层多个业务 AI Agent 提供统一的知识与上下文供给，确保 Agent 在每次决策与执行时均能获取充分且精准的信息支撑。 本场景需统一治理跨域结构化数据、非结构化文本、即时通讯记录、既有知识库及业务事件流等多源异构内容，在异构数据源之上建立统一的知识表示、检索与服务体系，并构建"采集 → 提取 → 索引 → 评测 → 优化"的持续闭环，驱动知识质量与 Agent 决策质量的阶梯式提升。 岗位要求： ● 主导知识飞轮全链路的架构设计与技术选型，制定分阶段落地路线图，确保从 MVP 到规模化运转的路径清晰可控。 ● 设计多源异构数据的统一接入与变更感知体系，覆盖结构化数据、文档、IM 对话、知识库与事件流五类内容源，建立差异化的同步策略与时效性管理机制。 ● 针对不同内容类型构建差异化的知识提取与关联推理能力，包括文档解析与语义分块、对话意图提取、事件模式识别、跨域知识归一化与冲突消解。 ● 设计高效的多模态检索与分级缓存体系（向量检索 + 倒排索引 + 热温冷三级 Cache），在响应速度与知识时效性之间取得最优平衡。 ● 建立知识质量的全维度评测与归因体系（检索相关性、知识准确率、上下文完备度、业务效果归因），实现自动化持续运行，驱动飞轮各环节的迭代优化。 ● 沉淀知识工程方法论与最佳实践，培养团队核心技术骨干。