岗位职责： 1. 业务问题定义与数据应用规划（1）深入渠道和终端业务，与业务及产品负责人明确经营问题、决策动作、指标口径和数据需求。（2）将模糊业务诉求转化为数据对象、标签、计算规则、服务接口及验证方案。（3）评估数据可得性、质量、时效及实施成本，确定阶段范围和优先级，推动业务方落实采集与维护责任。（4）制定数据应用路线，推动能力从单场景试点走向跨国家、品牌及产品复用。 2. 数据应用架构与实体建模（1）设计面向业务应用的数据架构，明确数据来源、处理链路、存储、计算、服务和反馈机制。（2）建设客户、门店、人员、组织、商品及交易等实体模型，处理统一标识、实体关联、重复记录及历史关系变化。（3）明确各类数据的权威来源、业务口径和归属，处理跨系统编码差异、状态不一致及数据延迟。（4）根据场景选择批处理、增量或实时计算方式，平衡时效、复杂度、可靠性与成本。（5）复用集团已有数据底座、身份体系和公共服务，建设必要的业务侧能力。 3. 标签与画像工程建设（1）设计基础属性、行为、经营表现、规则及模型衍生标签，建立清晰的标签分类和业务含义。（2）建设标签定义、开发、校验、发布、更新、监控和下线机制。（3）明确标签口径、计算窗口、适用对象、更新时间、有效期、数据来源及责任人，支持版本管理和历史追溯。（4）区分事实数据、规则判断和模型推断；对缺失、过期及低可信数据设置明确状态与使用条件。（5）建设画像查询、标签检索、组合筛选及批量服务能力，支持业务系统稳定调用。（6）推动标签在实际运营中使用，持续清理重复、失效和无业务用途的标签。 4. 策略应用与业务闭环（1）将标签、画像及算法结果接入门店分层、外勤任务、活动圈选、补货建议和异常跟进等业务流程。（2）与产品和业务团队明确策略条件、优先级、频率、冲突处理及人工确认机制。（3）建设策略与执行记录的关联能力，支持追踪“依据什么数据、使用哪个版本、对谁采取了什么动作”。（4）打通任务、订单、履约及运营结果回流，为标签和策略迭代提供反馈。（5）与算法团队共同定义特征、样本和评价要求，推动模型结果进入业务应用。 5. 数据服务与AI应用开发（1）亲自开发数据处理任务、标签计算、画像接口、策略服务及相关管理工具。（2）为Agent和业务应用封装可信数据查询及分析工具，明确参数、权限、指标口径、返回结果和异常处理。（3）探索大模型在非结构化信息提取、标签候选生成、经营解释及辅助分析中的应用，设置校验、抽检和人工复核机制。（4）对推断结果保留来源和依据，避免未经验证的信息直接触发关键业务动作。（5）使用AI开展代码理解、SQL及程序开发、测试、数据核验和排障，并对最终结果负责。 6. 数据质量、运行保障与效果验证（1）建立完整性、准确性、一致性、唯一性及时效性检查，明确异常修复和业务反馈责任。（2）建设任务监控、失败重试、数据补算、版本回滚及服务观测机制，处理迟到、重复、修正和删除等数据变化。（3）落实国家、品牌、组织和角色的数据访问边界，支持必要的脱敏及访问审计。（4）与业务及产品团队共同建立指标基线、试点范围和评估周期，验证实际采用与经营改善。（5）参与策略实验和效果分析，区分相关性与因果贡献，说明数据偏差和其他影响因素。（6）沉淀架构规范、数据契约、标签标准、公共组件及运维文档，提升团队交付与维护能力。任职要求： 1. 本科及以上学历，5年以上数据开发、数据应用或后端研发经验，具备主导复杂数据应用或关键子系统建设的经历。 2. 在客户画像、标签平台、客户数据平台、主数据、策略引擎、推荐应用或经营数据服务等领域，至少有一个方向的深入实践，能够说明从数据处理到业务使用的完整链路。 3. 具备扎实的数据建模与架构能力，理解实体标识、关系建模、指标口径、历史变化、批流处理及数据服务设计，能够结合业务场景做出技术取舍。 4. 熟练掌握SQL及查询优化，熟练使用Java或Python进行工程开发，能够独立完成数据处理、规则计算和服务接口建设。 5. 熟悉关系型数据库、分析型数据库、缓存及消息机制；具备数据集成、任务调度、增量处理或实时计算的实际经验，能够说明选型依据及运行问题。 6. 具备标签工程实践，理解标签定义、计算窗口、有效期、版本、血缘、更新及质量管理，能够处理标签冲突、缺失与过期问题。 7. 具备生产系统交付能力，熟悉测试、Git、容器化、CI/CD、监控及排障，能够处理数据补算、任务失败、服务性能和数据一致性问题。 8. 具备数据分析与效果验证意识，理解样本偏差、数据泄漏、实验分组及指标口径，能够与业务和算法团队共同判断应用效果。 9. 具备AI原生研发习惯，有利用AI完成真实开发、分析或排障的经历；理解大模型、检索和工具调用的适用边界，能够为AI应用提供可靠的数据与服务。 10. 能够直接与业务负责人沟通，讲清业务问题、数据条件、方案取舍和预期效果，推动产品、数据、算法及研发团队协同落地。 11. 学习主动，能够在数据基础不完善、需求不明确的情况下拆解问题、快速验证并独立推进，对交付质量和实际应用负责。 12. 具备良好的英文协作能力，能够适应海外业务沟通。

职位总结

招聘人数1-2人

薪资报酬7-10万/月

招聘有效期职位30天内有效

工作地点深圳南山区传音大厦一楼

核心工作内容：

1. 业务问题定义与数据应用规划（1）深入渠道和终端业务，与业务及产品负责人明确经营问题、决策动作、指标口径和数据需求。（2）将模糊业务诉求转化为数据对象、标签、计算规则、服务接口及验证方案。（3）评估数据可得性、质量、时效及实施成本，确定阶段范围和优先级，推动业务方落实采集与维护责任。（4）制定数据应用路线，推动能力从单场景试点走向跨国家、品牌及产品复用。 2. 数据应用架构与实体建模（1）设计面向业务应用的数据架构，明确数据来源、处理链路、存储、计算、服务和反馈机制。（2）建设客户、门店、人员、组织、商品及交易等实体模型，处理统一标识、实体关联、重复记录及历史关系变化。（3）明确各类数据的权威来源、业务口径和归属，处理跨系统编码差异、状态不一致及数据延迟。（4）根据场景选择批处理、增量或实时计算方式，平衡时效、复杂度、可靠性与成本。（5）复用集团已有数据底座、身份体系和公共服务，建设必要的业务侧能力。 3. 标签与画像工程建设（1）设计基础属性、行为、经营表现、规则及模型衍生标签，建立清晰的标签分类和业务含义。（2）建设标签定义、开发、校验、发布、更新、监控和下线机制。（3）明确标签口径、计算窗口、适用对象、更新时间、有效期、数据来源及责任人，支持版本管理和历史追溯。（4）区分事实数据、规则判断和模型推断；对缺失、过期及低可信数据设置明确状态与使用条件。（5）建设画像查询、标签检索、组合筛选及批量服务能力，支持业务系统稳定调用。（6）推动标签在实际运营中使用，持续清理重复、失效和无业务用途的标签。 4. 策略应用与业务闭环（1）将标签、画像及算法结果接入门店分层、外勤任务、活动圈选、补货建议和异常跟进等业务流程。（2）与产品和业务团队明确策略条件、优先级、频率、冲突处理及人工确认机制。（3）建设策略与执行记录的关联能力，支持追踪“依据什么数据、使用哪个版本、对谁采取了什么动作”。（4）打通任务、订单、履约及运营结果回流，为标签和策略迭代提供反馈。（5）与算法团队共同定义特征、样本和评价要求，推动模型结果进入业务应用。 5. 数据服务与AI应用开发（1）亲自开发数据处理任务、标签计算、画像接口、策略服务及相关管理工具。（2）为Agent和业务应用封装可信数据查询及分析工具，明确参数、权限、指标口径、返回结果和异常处理。（3）探索大模型在非结构化信息提取、标签候选生成、经营解释及辅助分析中的应用，设置校验、抽检和人工复核机制。（4）对推断结果保留来源和依据，避免未经验证的信息直接触发关键业务动作。（5）使用AI开展代码理解、SQL及程序开发、测试、数据核验和排障，并对最终结果负责。 6. 数据质量、运行保障与效果验证（1）建立完整性、准确性、一致性、唯一性及时效性检查，明确异常修复和业务反馈责任。（2）建设任务监控、失败重试、数据补算、版本回滚及服务观测机制，处理迟到、重复、修正和删除等数据变化。（3）落实国家、品牌、组织和角色的数据访问边界，支持必要的脱敏及访问审计。（4）与业务及产品团队共同建立指标基线、试点范围和评估周期，验证实际采用与经营改善。（5）参与策略实验和效果分析，区分相关性与因果贡献，说明数据偏差和其他影响因素。（6）沉淀架构规范、数据契约、标签标准、公共组件及运维文档，提升团队交付与维护能力。

岗位基本条件：

1. 本科及以上学历，5年以上数据开发、数据应用或后端研发经验，具备主导复杂数据应用或关键子系统建设的经历。 2. 在客户画像、标签平台、客户数据平台、主数据、策略引擎、推荐应用或经营数据服务等领域，至少有一个方向的深入实践，能够说明从数据处理到业务使用的完整链路。 3. 具备扎实的数据建模与架构能力，理解实体标识、关系建模、指标口径、历史变化、批流处理及数据服务设计，能够结合业务场景做出技术取舍。 4. 熟练掌握SQL及查询优化，熟练使用Java或Python进行工程开发，能够独立完成数据处理、规则计算和服务接口建设。 5. 熟悉关系型数据库、分析型数据库、缓存及消息机制；具备数据集成、任务调度、增量处理或实时计算的实际经验，能够说明选型依据及运行问题。 6. 具备标签工程实践，理解标签定义、计算窗口、有效期、版本、血缘、更新及质量管理，能够处理标签冲突、缺失与过期问题。 7. 具备生产系统交付能力，熟悉测试、Git、容器化、CI/CD、监控及排障，能够处理数据补算、任务失败、服务性能和数据一致性问题。 8. 具备数据分析与效果验证意识，理解样本偏差、数据泄漏、实验分组及指标口径，能够与业务和算法团队共同判断应用效果。 9. 具备AI原生研发习惯，有利用AI完成真实开发、分析或排障的经历；理解大模型、检索和工具调用的适用边界，能够为AI应用提供可靠的数据与服务。 10. 能够直接与业务负责人沟通，讲清业务问题、数据条件、方案取舍和预期效果，推动产品、数据、算法及研发团队协同落地。 11. 学习主动，能够在数据基础不完善、需求不明确的情况下拆解问题、快速验证并独立推进，对交付质量和实际应用负责。 12. 具备良好的英文协作能力，能够适应海外业务沟通。