数据科学岗

供应链全链路决策体系构建： 负责构建以可解释性为核心的决策指标体系，利用因果推断与数据科学方法，量化业务动态对全局系统的影响，为大模型提供精准的决策上下文。

面向大模型的策略设计与评估： Prompt 工程与逻辑编排：负责优化供应链智能体Prompt与思维链，确保模型准确理解决策意图。 RAG 策略优化：制定知识库的检索策略，评估检索结果的相关性，并设计重排序逻辑，提升AI大模型与OR协同决策的准确率。

业务仿真与实验设计： 仿真模拟 (What-if)：构建轻量级仿真脚本，评估不同供应链策略（如：调整安全库存系数、改变补货频次）在历史数据上的表现，为业务决策提供数据支撑。 实验评估：设计科学的 A/B Test ，对比人工决策与大模型自动决策的效果差异，量化 AI 的业务价值。

闭环的数据反馈机制： 设计业务人员对模型建议的反馈采集标准，分析 Bad Case，转化为高质量微调样本。

专业技能： 专业背景：数学、运筹学、计算机、统计学或相关专业硕士及以上学历，3 年以上数据科学经验。 数据分析：精通 Python （Pandas, NumPy, Scikit-learn, Matplotlib），以及数据清洗与探索性分析能力。 SQL 能力：精通 SQL，能够处理复杂的关联查询与窗口函数，能够独立从海量数据中提取特征。 统计学基础：熟悉假设检验、回归分析、因果推断等统计学方法。

大模型应用经验： 应用实战：熟悉 LLM （应用层而非训练层），精通 OpenAI API / LangChain 工具进行 Prompt 调优。 RAG 理解：理解向量检索与文本生成的结合机制，有 Text-to-SQL 或ChatBI项目经验者优先。

业务理解： 供应链知识：熟悉供应链管理基础逻辑（如：销量预测方法、库存优化模型、物流成本构成）者优先。 问题拆解力：具备将模糊的业务问题转化为具体的数据分析课题的能力。

软性素质： 具备优秀的数据敏感度，能敏锐发现数据中的逻辑漏洞或业务机会。 具备良好的跨团队沟通能力，能够向业务人员解释模型逻辑，向数据开发团队提出清晰的数据需求。 符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。