数据分析师(J11056)

数据整合与治理：从各工艺板块收集实验数据（Excel记录、LIMS导出、设备输出文件等），建立统一的清洗和标准化流程；识别和处理数据质量问题（缺失值、异常值、批次效应、命名不一致）；建立并维护结构化的数据集目录，为ML建模提供高质量数据底座；

统计分析与可视化：使用统计方法（假设检验、ANOVA、回归分析、方差分量分析）支撑工艺开发和QC数据分析；为各板块制作标准化数据看板（Tableau/Power BI或Streamlit），如批次趋势监控、CQA月度汇总；参与OOS/OOT调查的数据分析支持；

AI Champion培训与支持：牵头设计并实施AI Champion基础培训课程（Python入门→数据处理→ML概念）；作为AI Champion的日常技术支持第一联系人，解答数据工具使用问题；编写数据操作的SOP文档和培训材料；

探索性分析（EDA）：在ML工程师建模前完成探索性数据分析，识别数据特征和潜在规律；支持快速ad-hoc分析请求（如历史批次某质量属性的波动统计分析）。

学历背景：本科及以上学历，统计学、生物统计学、数据科学、生物工程或相关专业；

专业经验及能力： ① 2年以上数据分析工作经验（生物制药、化工、食品或相关实验科学领域优先）； ② 熟练使用Python（pandas、matplotlib/seaborn）或R进行数据处理和统计分析； ③ 有实际的数据清洗和整合经验，特别是处理过"不完美"的真实实验数据（缺失值、异常记录、格式不统一等）； ④ 能独立完成假设检验、回归分析、方差分析（ANOVA）等常规统计； ⑤ 良好的数据可视化能力，能用图表准确传达分析结论，非技术背景人员也能看懂；

综合素质：耐心细致，善于与不同技术水平的同事沟通协作；能从杂乱数据中找到规律和问题；有培训他人的经验或兴趣；加分项：有生物制药/抗体工艺相关数据分析经验、熟悉DoE分析工具（JMP/Design-Expert）、有Tableau/Power BI等BI工具经验、了解基本ML概念（分类/回归/聚类）。