智能数据科学家

岗位职责

岗位描述： 你不来做后台分析师，你来做嵌入业务一线的问题定义者与端到端交付者。 核心价值是三层叠加：用大模型压低工程执行成本，把时间留给业务理解与增长判断，再将实战经验沉淀为团队可复用的资产——让数据能力从一次性交付走向持续复用。

岗位职责：

1. 深入业务前线，端到端交付增长方案 深入信贷、理财、支付等业务场景，基于海量数据，借助大模型辅助假设生成与实验设计，完成从增长机会识别、AB实验、因果推断到模型上线的全链路交付，推动业务指标真实增长。
2. 以 AI 原生方式工作，构建可复用的数据 Pipeline 不是零散地用大模型，而是基于 LLM 构建可复用的数据探查 Pipeline、自动化特征工程链路和智能归因 Agent。将重复性工作交给模型，把精力聚焦于"判断什么值得做"。
3. 将分析洞见转化为可交互的分析 Agent 挖掘用户行为模式与决策驱动因素，结合因果推断方法，沉淀结构化的用户决策模型和增长归因框架。业务团队收到的不是一份静态报告，而是一个可持续交互、自主查询的分析 Agent。
4. 将项目经验沉淀为团队可复用的 Skill 将每个项目中的实验方法论、分析框架、特征方案和业务认知，系统性地转化为 Prompt 模板、Agent Skill 和可复用的评估体系。做完项目不是终点，留下的 Skill 能被下一个项目直接调用才算交付完成。

任职要求

1. 数学、统计、数据科学、计算机、经济学等相关专业背景；对 AI 技术有强烈好奇心和应用热情。
2. 扎实的统计推断与因果推断基础，逻辑思维能力强，面对模糊业务问题能主动提出假设、设计验证路径并推动落地。
3. 深度使用大模型工具（Cursor / Copilot / Claude 等）作为日常生产力工具，理解 Prompt Engineering 的原理与实践；有 Agent 编排或 LLM 应用开发项目经验者优先。
4. 对用技术解决真实业务问题有强烈驱动力，愿意将模糊的业务问题翻译为可验证的数据科学问题，并将复杂分析结果转化为业务方听得懂的决策建议。
5. 较好的团队合作与沟通能力，愿意走出纯技术舒适区，深入业务一线理解真实需求。

特色标签

A/B实验、AI代理、LLM、Prompt模板、Python、Python/R语言/SPSS、Shell、SQL、业务增长点、业务数据分析、业务模式/运营策略优化、会员账户、信贷、反洗钱、因果关系识别、因果分析、因果推理、增长潜力、增长驱动因素、大型语言模型、大数据、大数据处理工具(Spark/Hadoop/Hive)、大模型算法、大语言模型、实验设计、对照实验、提示模板、提示词、支付、数据分析/商业分析经验、数据处理流程、数据安全、数据工作流、数据挖掘、数据管道、智能体、有留学背景、机器学习、特征加工、特征提取、特征构建、理财、用户增长、算法工程化经验、统计/数学相关专业、自主代理、自然语言处理算法、英美留学生、计算机相关专业、金融、金融/经济相关专业、风控