大数据(天津体系数字化中心)

数据分析 熟练运用对比、趋势、多维拆解、关联、聚类、回归等各类数据分析方法，挖掘数据背后业务规律，识别业务痛点与关键问题;完成数据深层加工，输出分析思路、业务洞察与可落地优化建议，支撑业务决策与业务改进；

指标与数仓模型建设治理 负责指标体系设计、指标拆解、指标溯源工作，开展跨业务域、跨业务线的数据建模，熟练运用维度建模、范式建模理论完成数仓模型开发;负责数据仓库整体体系规划建设，沉淀数据、指标治理方法论并推动落地推广;主动识别现有模型缺陷，开展模型重构与迭代优化，保障数据模型的一致性、完整性与准确性;

大数据平台开发与技术落地 基于 Hadoop 生态、Spark、Flink、Hive、Presto 等主流大数据技术开展数据开发工作，理解分布式存储、计算、消息队列、集群管理原理;结合业务场景选用 HDFS、Redis、Kafka 等存储中间件，编写高质量 SQL/Scala/Python/Java 代码，完成数据采集、加工、计算全链路开发 ;对接可视化工具，完成数据可视化方案设计，支撑数据成果展示

算法模型研究与调优 结合业务数据规模、系统架构、业务场景完成算法选型、模型构建与参数调优;评估模型效果，权衡算法性能与系统环境约束，迭代优化算法模型，输出适配业务的算法方案

工程应用 调研行业成熟解决方案与开源工具，对机器学习、数据处理方案开展快速原型验证，完成方案选型;推动算法、分析模型工程化落地，打通算法到业务应用链路，保障算法成果可实际赋能业务

数据治理与知识沉淀 实践数据治理方法论，持续提升数据可用性与数据质量;沉淀数据建模、指标治理、算法应用相关方法论，在团队内推广复用;跟踪行业前沿技术，研读外文技术文献，持续引进适配业务的新技术思路;

大数据开发：熟练使用 Spark、Flink、Hive、Presto 等至少一种主流大数据组件；熟悉 HDFS、Redis、Kafka、MySQL 等存储、中间件技术。

编程能力：熟练掌握 SQL；掌握 Java / Scala / Python 至少一门开发语言，具备较强编码实现能力。

建模治理：可独立完成跨主题域、跨业务线指标拆解、溯源与数据建模；能够主动发现模型问题，实施模型重构优化，保障模型一致性、完整性、准确性。

算法能力：可结合数据规模、系统环境完成算法选型、模型调整与调优。

可视化：熟练使用 ECharts、Tableau、帆软等至少一种可视化开发工具，完成业务可视化方案落地。

工程实践：能够调研开源工具，快速验证、选型机器学习与数据解决方案，推动算法方案工程落地。

本科及以上学历，计算机科学与技术、软件工程、统计学、应用数学、数据科学与大数据技术等相关专业优先