深圳-数据岗

业务分析与洞察：承接业务方的数据需求，完成专题分析、异动归因、AB 实验评估，输出有业务主张的结论，而不只是图表。

指标体系建设：参与指标口径定义与维护，推动口径统一，终结"各说各话"。

数据建模与数仓开发：参与分层架构（ODS / DWD / DWS / ADS）设计与维度建模，独立开发 ETL 任务，保障模型的准确性、复用性与可扩展性。

数据链路工程化：负责任务调度配置、性能与成本优化、数据质量监控与血缘治理，对自己产出的数据全链路负责。

数据产品化：把分析思路沉淀为数据服务，让业务能自助取数，减少重复性人力投入。

智能化提效：探索大模型在数据场景的落地——自然语言取数、异动自动解读、数据质量告警归因、ETL 报错定位、口径文档自动生成，把团队从重复劳动里解放出来。

跨团队协作：与产品、运营对齐需求，把模糊的业务问题翻译成可计算的数据问题

编程能力：至少掌握一门可工程化语言：Python\Java及SQL熟练；能写出可维护、可交接的代码。

数仓理论：理解分层设计、维度建模基本概念；接触过 Hive、Spark、Flink、ClickHouse、Doris 等至少一种大数据组件。

统计学基础：掌握假设检验、AB 实验设计、回归等统计基础，能判断一个数据结论是否站得住脚

大模型能力：了解 RAG、Agent、Function Calling、Text-to-SQL等应用范式，有把大模型接入数据工作流实践或设想

学习能力(最核心要求)：遇到没接触过的技术或业务，能在几天内查资料、做实验、跑通版本并能给出原理和靠谱判断；即使技术栈可能全换一遍，依然能快速跑通业务