主分类：数据分析与数据科学
辅助：AI模型评测工程（仅展示）
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": "业务技术-数据科学家-交易数据科学",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "淘天集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "未披露"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "电子商务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "统计学、应用数学、计算机、经济学、运筹学或相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "职位描述\n1、交易链路数据分析：深入理解淘系交易全链路（浏览-加购-下单-支付-售后）的业务逻辑，搭建并迭代核心监控指标体系。通过多维数据挖掘，识别交易转化漏斗中的异常波动、增长机会点及用户行为规律，为业务提供可落地的策略建议。\n2、AB 实验与因果推断：理解科学实验体系，以及对应的归因分析思路和方法，有效影响业务产品迭代判断。熟悉双重差分(DID)、倾向得分匹配(PSM)、合成控制法(SCM)等因果推断方法，解决非实验场景下的策略效果评估难题。\n3、数科Skill研发：推动“感知-认知-决策-执行”的 Agentic Workflow 落地，沉淀可复用的“技能库（Skill Set）”，包括不限于实验分析skill、异动归因skill等，提升团队整体工程效率。\n4、Agent数据合成与评测：参与手淘购物助手优化，构建高质量数据集提升大模型推理效果，构建基于LLM-as-a-Judge的在线评测链路实现Agent执行效果的度量与归因。\n5、作为业务伙伴，将模糊的业务痛点转化为严谨的数据科学问题。基于分析结论，驱动产品功能迭代、运营策略调整或算法模型优化，并对业务 ROI 负责，实现从“数据洞察”到“业务价值”的闭环。",
"requirements_text": "1、统计学、应用数学、计算机、经济学、运筹学或相关专业本科及以上学历；精通 SQL、Python/R 等数据分析工具，具备高效处理海量交易数据的能力。\n2、 扎实的统计学基础，深刻理解因果推断（Causal Inference）理论。熟悉至少一种主流因果推断框架（如 CausalML, DoWhy, EconML 等）或有实际落地经验者优先。熟练掌握常用机器学习算法，并能区分预测模型与因果模型的应用边界。\n3、3-5 年互联网大厂数据分析、数据科学或算法相关经验。有电商交易链路、营销策略评估、广告归因或用户增长领域经验者优先。具备完整的 A/B 实验全流程管理经验，或在观察性数据中进行因果效应估计实战经验者极佳。\n4、 能够敏锐捕捉交易链路中的关键变量，具备良好的逻辑思维能力和沟通表达能力。结果导向： 不仅能产出分析报告，更能推动分析结论在业务侧落地，具备优秀的跨部门协作能力。\n5、AI 相关经验（加分项）：具备一定的数据分析类 Agent/Skill 或者 LLM 后训练（数据预处理、Prompt 工程、模型微调）的实践经验尤佳。",
"skills": [AI生成
"Python",
"SQL",
"机器学习",
"数据分析",
"模型微调",
"沟通表达",
"逻辑思维",
"大语言模型"
],
"preferred_qualifications": "熟悉至少一种主流因果推断框架（如 CausalML, DoWhy, EconML 等）或有实际落地经验者优先；有电商交易链路、营销策略评估、广告归因或用户增长领域经验者优先；5、AI 相关经验（加分项）：具备一定的数据分析类 Agent/Skill 或者 LLM 后训练（数据预处理、Prompt 工程、模型微调）的实践经验尤佳",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.taotian.com/off-campus/position-detail?positionId=100039420001"
}
]
},
"posting": {
"posting_id": "100039420001",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100039420001"
},
"fulltext": "业务技术-数据科学家-交易数据科学\n业务技术-数据科学家-交易数据科学\n\n基础信息\n工作地点：杭州\n\n职位描述\n职位描述\n1、交易链路数据分析：深入理解淘系交易全链路（浏览-加购-下单-支付-售后）的业务逻辑，搭建并迭代核心监控指标体系。通过多维数据挖掘，识别交易转化漏斗中的异常波动、增长机会点及用户行为规律，为业务提供可落地的策略建议。\n2、AB 实验与因果推断：理解科学实验体系，以及对应的归因分析思路和方法，有效影响业务产品迭代判断。熟悉双重差分(DID)、倾向得分匹配(PSM)、合成控制法(SCM)等因果推断方法，解决非实验场景下的策略效果评估难题。\n3、数科Skill研发：推动“感知-认知-决策-执行”的 Agentic Workflow 落地，沉淀可复用的“技能库（Skill Set）”，包括不限于实验分析skill、异动归因skill等，提升团队整体工程效率。\n4、Agent数据合成与评测：参与手淘购物助手优化，构建高质量数据集提升大模型推理效果，构建基于LLM-as-a-Judge的在线评测链路实现Agent执行效果的度量与归因。\n5、作为业务伙伴，将模糊的业务痛点转化为严谨的数据科学问题。基于分析结论，驱动产品功能迭代、运营策略调整或算法模型优化，并对业务 ROI 负责，实现从“数据洞察”到“业务价值”的闭环。\n\n职位要求\n1、统计学、应用数学、计算机、经济学、运筹学或相关专业本科及以上学历；精通 SQL、Python/R 等数据分析工具，具备高效处理海量交易数据的能力。\n2、 扎实的统计学基础，深刻理解因果推断（Causal Inference）理论。熟悉至少一种主流因果推断框架（如 CausalML, DoWhy, EconML 等）或有实际落地经验者优先。熟练掌握常用机器学习算法，并能区分预测模型与因果模型的应用边界。\n3、3-5 年互联网大厂数据分析、数据科学或算法相关经验。有电商交易链路、营销策略评估、广告归因或用户增长领域经验者优先。具备完整的 A/B 实验全流程管理经验，或在观察性数据中进行因果效应估计实战经验者极佳。\n4、 能够敏锐捕捉交易链路中的关键变量，具备良好的逻辑思维能力和沟通表达能力。结果导向： 不仅能产出分析报告，更能推动分析结论在业务侧落地，具备优秀的跨部门协作能力。\n5、AI 相关经验（加分项）：具备一定的数据分析类 Agent/Skill 或者 LLM 后训练（数据预处理、Prompt 工程、模型微调）的实践经验尤佳。\n职位描述\n1、交易链路数据分析：深入理解淘系交易全链路（浏览-加购-下单-支付-售后）的业务逻辑，搭建并迭代核心监控指标体系。通过多维数据挖掘，识别交易转化漏斗中的异常波动、增长机会点及用户行为规律，为业务提供可落地的策略建议。\n2、AB 实验与因果推断：理解科学实验体系，以及对应的归因分析思路和方法，有效影响业务产品迭代判断。熟悉双重差分(DID)、倾向得分匹配(PSM)、合成控制法(SCM)等因果推断方法，解决非实验场景下的策略效果评估难题。\n3、数科Skill研发：推动“感知-认知-决策-执行”的 Agentic Workflow 落地，沉淀可复用的“技能库（Skill Set）”，包括不限于实验分析skill、异动归因skill等，提升团队整体工程效率。\n4、Agent数据合成与评测：参与手淘购物助手优化，构建高质量数据集提升大模型推理效果，构建基于LLM-as-a-Judge的在线评测链路实现Agent执行效果的度量与归因。\n5、作为业务伙伴，将模糊的业务痛点转化为严谨的数据科学问题。基于分析结论，驱动产品功能迭代、运营策略调整或算法模型优化，并对业务 ROI 负责，实现从“数据洞察”到“业务价值”的闭环。\n1、统计学、应用数学、计算机、经济学、运筹学或相关专业本科及以上学历；精通 SQL、Python/R 等数据分析工具，具备高效处理海量交易数据的能力。\n2、 扎实的统计学基础，深刻理解因果推断（Causal Inference）理论。熟悉至少一种主流因果推断框架（如 CausalML, DoWhy, EconML 等）或有实际落地经验者优先。熟练掌握常用机器学习算法，并能区分预测模型与因果模型的应用边界。\n3、3-5 年互联网大厂数据分析、数据科学或算法相关经验。有电商交易链路、营销策略评估、广告归因或用户增长领域经验者优先。具备完整的 A/B 实验全流程管理经验，或在观察性数据中进行因果效应估计实战经验者极佳。\n4、 能够敏锐捕捉交易链路中的关键变量，具备良好的逻辑思维能力和沟通表达能力。结果导向： 不仅能产出分析报告，更能推动分析结论在业务侧落地，具备优秀的跨部门协作能力。\n5、AI 相关经验（加分项）：具备一定的数据分析类 Agent/Skill 或者 LLM 后训练（数据预处理、Prompt 工程、模型微调）的实践经验尤佳。",
"standard_classification": {
"std_category_code": "T017",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}