主分类：数据分析与数据科学
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "亚博科技-商业分析专家-金融",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "亚博科技",
"location": "珠海",
"work_mode": "未披露",AI生成
"job_category": "数据类-商业数据分析"AI生成
},
"company": {
"company_name": "亚博科技",
"company_industry": "金融科技",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "亚博科技是一家金融科技集团。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 业务指标体系搭建与监控\n基于金融科技业务目标（如收单，支付，商城等）及商业模式，搭建全面、准确、客观的业务指标体系和监控框架\n构建覆盖客户、产品、交易等多维度的业务监控看板，持续跟踪业务健康度\n通过归因分析（如MTA多触点归因等）定位关键业绩驱动因素与增长杠杆\n2. 深度数据分析与决策支持\n针对金融科技核心业务场景（如跨场景交叉策略效果评估、线上渠道转化优化、产品流程优化等）开展专题分析，输出可落地的策略建议\n分析用户行为序列与生命周期价值（LTV） ，构建动态用户标签体系（如消费偏好、、风险偏好等）\n3. 数据产品与工具建设\n参与BI工具（QuickBI、dataworks、AI agent等）的建设和优化，提升数据可用性与分析效率\n梳理B端/C端及多渠道的全链路数据资产，搭建自动化监控与预警看板\n沉淀分析方法论与工具模板，推动团队分析能力的整体提升\n4. 跨部门协同与商业洞察\n协同运营、产品、风险、销售等部门，通过数据驱动业务增长与风险管控\n结合行业趋势与竞争格局，开展全面的商业分析（如市场容量测算、用户细分、竞争对标Benchmarking）\n将复杂分析结论（如预测模型输出、因果效应评估）转化为可执行的业务方案，并建立效果追踪与迭代机制",
"requirements_text": "学历与专业\n本科及以上学历，统计学、数学、金融、计算机、经济学等相关专业优先\n工作经验\n3年以上商业数据分析、数据分析或商业智能相关经验\n具备金融科技、互联网金融（钱包、收单、银行、信贷、财富等）领域经验者优先\n硬技能\n精通SQL/Dataworks/PySpark/Python等数据处理工具，具备从数据提取到仪表板发布的完整能力\n掌握常用数据分析方法（如趋势分析、漏斗分析、回归分析、聚类分析等）\n熟悉常见统计学习方法与机器学习模型原理及应用场景（如回归模型、聚类、决策树、集成学习等）\n软实力\n具备出色的商业洞察力与结构化思维能力，能快速理解复杂业务场景\n能够独立完成业务指标拆解、监控与异动归因分析\n优秀的沟通协调与项目推动能力，能够清晰地向业务与技术团队传达分析结果\n具备与产品、算法、运营等多团队协同经验\n加分项\n具备用户评分卡模型、信用风险模型等实际建模经验\n有AB Testing实验设计与分析经验\n熟悉金融监管合规要求及相关数据治理标准",
"skills": [AI生成
"Python",
"SQL",
"机器学习",
"数据分析",
"数据治理",
"沟通协调",
"建模"
],
"preferred_qualifications": "本科及以上学历，统计学、数学、金融、计算机、经济学等相关专业优先；具备金融科技、互联网金融（钱包、收单、银行、信贷、财富等）领域经验者优先；加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.agtech.com/off-campus/position-detail?positionId=100023680003"
}
]
},
"posting": {
"posting_id": "100023680003",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.agtech.com/off-campus/position-detail?positionId=100023680003"
},
"fulltext": "亚博科技-商业分析专家-金融\n亚博科技-商业分析专家-金融\n\n基础信息\n职位类别：数据类-商业数据分析\n工作地点：珠海\n\n职位描述\n1. 业务指标体系搭建与监控\n基于金融科技业务目标（如收单，支付，商城等）及商业模式，搭建全面、准确、客观的业务指标体系和监控框架\n构建覆盖客户、产品、交易等多维度的业务监控看板，持续跟踪业务健康度\n通过归因分析（如MTA多触点归因等）定位关键业绩驱动因素与增长杠杆\n2. 深度数据分析与决策支持\n针对金融科技核心业务场景（如跨场景交叉策略效果评估、线上渠道转化优化、产品流程优化等）开展专题分析，输出可落地的策略建议\n分析用户行为序列与生命周期价值（LTV） ，构建动态用户标签体系（如消费偏好、、风险偏好等）\n3. 数据产品与工具建设\n参与BI工具（QuickBI、dataworks、AI agent等）的建设和优化，提升数据可用性与分析效率\n梳理B端/C端及多渠道的全链路数据资产，搭建自动化监控与预警看板\n沉淀分析方法论与工具模板，推动团队分析能力的整体提升\n4. 跨部门协同与商业洞察\n协同运营、产品、风险、销售等部门，通过数据驱动业务增长与风险管控\n结合行业趋势与竞争格局，开展全面的商业分析（如市场容量测算、用户细分、竞争对标Benchmarking）\n将复杂分析结论（如预测模型输出、因果效应评估）转化为可执行的业务方案，并建立效果追踪与迭代机制\n\n职位要求\n学历与专业\n本科及以上学历，统计学、数学、金融、计算机、经济学等相关专业优先\n工作经验\n3年以上商业数据分析、数据分析或商业智能相关经验\n具备金融科技、互联网金融（钱包、收单、银行、信贷、财富等）领域经验者优先\n硬技能\n精通SQL/Dataworks/PySpark/Python等数据处理工具，具备从数据提取到仪表板发布的完整能力\n掌握常用数据分析方法（如趋势分析、漏斗分析、回归分析、聚类分析等）\n熟悉常见统计学习方法与机器学习模型原理及应用场景（如回归模型、聚类、决策树、集成学习等）\n软实力\n具备出色的商业洞察力与结构化思维能力，能快速理解复杂业务场景\n能够独立完成业务指标拆解、监控与异动归因分析\n优秀的沟通协调与项目推动能力，能够清晰地向业务与技术团队传达分析结果\n具备与产品、算法、运营等多团队协同经验\n加分项\n具备用户评分卡模型、信用风险模型等实际建模经验\n有AB Testing实验设计与分析经验\n熟悉金融监管合规要求及相关数据治理标准\n1. 业务指标体系搭建与监控\n基于金融科技业务目标（如收单，支付，商城等）及商业模式，搭建全面、准确、客观的业务指标体系和监控框架\n构建覆盖客户、产品、交易等多维度的业务监控看板，持续跟踪业务健康度\n通过归因分析（如MTA多触点归因等）定位关键业绩驱动因素与增长杠杆\n2. 深度数据分析与决策支持\n针对金融科技核心业务场景（如跨场景交叉策略效果评估、线上渠道转化优化、产品流程优化等）开展专题分析，输出可落地的策略建议\n分析用户行为序列与生命周期价值（LTV） ，构建动态用户标签体系（如消费偏好、、风险偏好等）\n3. 数据产品与工具建设\n参与BI工具（QuickBI、dataworks、AI agent等）的建设和优化，提升数据可用性与分析效率\n梳理B端/C端及多渠道的全链路数据资产，搭建自动化监控与预警看板\n沉淀分析方法论与工具模板，推动团队分析能力的整体提升\n4. 跨部门协同与商业洞察\n协同运营、产品、风险、销售等部门，通过数据驱动业务增长与风险管控\n结合行业趋势与竞争格局，开展全面的商业分析（如市场容量测算、用户细分、竞争对标Benchmarking）\n将复杂分析结论（如预测模型输出、因果效应评估）转化为可执行的业务方案，并建立效果追踪与迭代机制\n学历与专业\n本科及以上学历，统计学、数学、金融、计算机、经济学等相关专业优先\n工作经验\n3年以上商业数据分析、数据分析或商业智能相关经验\n具备金融科技、互联网金融（钱包、收单、银行、信贷、财富等）领域经验者优先\n硬技能\n精通SQL/Dataworks/PySpark/Python等数据处理工具，具备从数据提取到仪表板发布的完整能力\n掌握常用数据分析方法（如趋势分析、漏斗分析、回归分析、聚类分析等）\n熟悉常见统计学习方法与机器学习模型原理及应用场景（如回归模型、聚类、决策树、集成学习等）\n软实力\n具备出色的商业洞察力与结构化思维能力，能快速理解复杂业务场景\n能够独立完成业务指标拆解、监控与异动归因分析\n优秀的沟通协调与项目推动能力，能够清晰地向业务与技术团队传达分析结果\n具备与产品、算法、运营等多团队协同经验\n加分项\n具备用户评分卡模型、信用风险模型等实际建模经验\n有AB Testing实验设计与分析经验\n熟悉金融监管合规要求及相关数据治理标准",
"standard_classification": {
"std_category_code": "T017",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}