实习-数据分析师（数据挖掘与智能应用方向）

负责前期质量、制造过程质量及售后质量等场景的需求调研，与研发、制造、质量、售后等业务团队协作，识别业务痛点，将其转化为数据仓库、数据分析、智能体及数据产品解决方案。

负责质量域数据仓库及数据资产建设，包括数据分层、主题域建模、数据集市、指标体系、语义层和数据服务开发，打通车辆、零部件、工艺、设备、检测、索赔及等多源数据，保障数据口径统一、链路可追溯和资产可复用。

负责质量数据分析与挖掘，围绕质量监控、趋势分析、异常识别、关联分析、根因定位和风险预警等场景开展专题分析，形成可执行的质量改善建议，并推动分析结论在业务中的应用。

负责质量领域AI智能体的设计、开发与产品化，包括知识库建设、Prompt设计、工作流编排、工具调用、上下文与记忆管理、人机协同及异常兜底机制设计，支撑智能问数、指标解读、异常归因、问题诊断和解决方案推荐等应用。

负责将数据仓库、指标平台、分析模型、质量知识和业务系统能力封装为智能体可调用的工具或服务，推动质量业务由“人工取数与分析”向“智能体执行、人工审核与决策”的AI原生工作模式转变。

参与质量数据平台、分析看板及智能分析产品的规划与建设，完成需求分析、指标定义、产品原型、功能设计、数据验收、上线推广和运营迭代，并通过快速原型和小范围试点验证产品价值。

负责数据及智能应用的质量保障和持续运营，建立数据质量、智能体任务完成率、分析准确性、幻觉风险、工具调用成功率、用户采纳率及业务收益等评估体系，开展问题排查、效果复盘和持续优化，并维护相关技术及产品文档。

计算机科学、数学、统计学、数据科学、人工智能、信息管理等相关专业本科或硕士学历，具有数据仓库、数据分析、数据产品或智能体开发相关的项目、实习经历优先。

熟练掌握SQL和Python，能够完成复杂数据查询、数据清洗、分析建模、自动化开发、性能优化及问题排查；熟悉Hive、Spark、Flink、Doris、Kafka等技术者优先。

具备扎实的数据分析与挖掘能力，熟悉统计分析、回归、聚类、分类、异常检测及时间序列分析等常用方法，能够从复杂数据中识别问题、验证假设并形成业务洞察。

熟悉数据仓库建设方法，掌握维度建模、数据分层、主题域设计、指标体系、数据治理及数据服务等相关知识，能够独立完成质量域数据模型和数据集市开发。

能够熟练运用大语言模型、代码助手、智能体和自动化工具完成需求梳理、SQL及代码开发、数据探索、分析报告和文档沉淀，并具备对AI输出进行验证和纠错的能力。

了解大语言模型及AI智能体相关技术，具有LangChain、LangGraph等框架的实际使用经验，熟悉RAG、Prompt Engineering、工具调用、工作流编排、记忆管理、ReAct或多智能体协作等技术者优先。

具备数据产品和业务流程重构能力，能够将质量指标、业务规则、案例经验和专家知识沉淀为语义层或知识库，设计数据与AI产品。

具有良好的语言表达能力和沟通协调能力，能与质量、制造、售后等业务方高效对齐需求。