业务技术-数据科学家-交易数据科学

职位描述

1、交易链路数据分析：深入理解淘系交易全链路（浏览-加购-下单-支付-售后）的业务逻辑，搭建并迭代核心监控指标体系。通过多维数据挖掘，识别交易转化漏斗中的异常波动、增长机会点及用户行为规律，为业务提供可落地的策略建议。

2、AB 实验与因果推断：理解科学实验体系，以及对应的归因分析思路和方法，有效影响业务产品迭代判断。熟悉双重差分(DID)、倾向得分匹配(PSM)、合成控制法(SCM)等因果推断方法，解决非实验场景下的策略效果评估难题。

3、数科Skill研发：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）”，包括不限于实验分析skill、异动归因skill等，提升团队整体工程效率。

4、Agent数据合成与评测：参与手淘购物助手优化，构建高质量数据集提升大模型推理效果，构建基于LLM-as-a-Judge的在线评测链路实现Agent执行效果的度量与归因。

5、作为业务伙伴，将模糊的业务痛点转化为严谨的数据科学问题。基于分析结论，驱动产品功能迭代、运营策略调整或算法模型优化，并对业务 ROI 负责，实现从“数据洞察”到“业务价值”的闭环。

1、统计学、应用数学、计算机、经济学、运筹学或相关专业本科及以上学历；精通 SQL、Python/R 等数据分析工具，具备高效处理海量交易数据的能力。

2、 扎实的统计学基础，深刻理解因果推断（Causal Inference）理论。熟悉至少一种主流因果推断框架（如 CausalML, DoWhy, EconML 等）或有实际落地经验者优先。熟练掌握常用机器学习算法，并能区分预测模型与因果模型的应用边界。

3、3-5 年互联网大厂数据分析、数据科学或算法相关经验。有电商交易链路、营销策略评估、广告归因或用户增长领域经验者优先。具备完整的 A/B 实验全流程管理经验，或在观察性数据中进行因果效应估计实战经验者极佳。

4、 能够敏锐捕捉交易链路中的关键变量，具备良好的逻辑思维能力和沟通表达能力。结果导向： 不仅能产出分析报告，更能推动分析结论在业务侧落地，具备优秀的跨部门协作能力。

5、AI 相关经验（加分项）：具备一定的数据分析类 Agent/Skill 或者 LLM 后训练（数据预处理、Prompt 工程、模型微调）的实践经验尤佳。