主分类:信贷风控与资产处置
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": "信贷风控策略分析师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "J1014"AI生成
},
"company": {
"company_name": "快手科技",
"company_industry": "内容社区 / 直播 / 电商 / 人工智能",
"company_size": "10000人以上",
"company_website": "kuaishou.com",
"company_description": "快手是内容社区与技术平台公司,业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "信贷风控策略分析师\n\n基础信息\n招聘项目:全部校招\n招聘类型:校招\n职位类别:J1014\n工作地点:杭州\n发布时间:2026-08-09\n\n岗位职责\n1. 基于公司内部数据资源,对用户行为数据与属性数据进行深度分析,识别与信贷风险相关的特征模式,挖掘可量化的风险信号;\n2. 深入理解信贷产品的业务场景、目标客群与商业模式,基于风险量化结果,参与贷前、贷中环节风控策略的设计和制定,能够将数据分析能力与业务判断相结合;\n3. 综合客户在信贷全周期的行为数据及内外部多维数据,参与信用风险与欺诈风险的建模与评估工作,建立系统化的风险量化体系;\n4. 设计科学的测试方案,跟踪策略上线后的效果表现,通过数据复盘持续优化策略,为业务决策提供有力支撑。\n\n任职要求\n1. 本科及以上学历,数学、统计学、计算机、金融工程等相关专业优先;\n2. 具备扎实的数理统计基础,熟悉主流统计分析方法(回归分析、分类、聚类等);\n3. 熟练掌握 SQL 进行数据提取与处理,熟练使用 Python 进行数据分析与建模;\n4. 对数据有较强的敏感度,能够从数据中发现问题并提出合理的假设;\n5. 具备快速学习能力与良好的逻辑思维,能够适应快节奏的工作环境。",
"requirements_text": "信贷风控策略分析师\n\n基础信息\n招聘项目:全部校招\n招聘类型:校招\n职位类别:J1014\n工作地点:杭州\n发布时间:2026-08-09\n\n岗位职责\n1. 基于公司内部数据资源,对用户行为数据与属性数据进行深度分析,识别与信贷风险相关的特征模式,挖掘可量化的风险信号;\n2. 深入理解信贷产品的业务场景、目标客群与商业模式,基于风险量化结果,参与贷前、贷中环节风控策略的设计和制定,能够将数据分析能力与业务判断相结合;\n3. 综合客户在信贷全周期的行为数据及内外部多维数据,参与信用风险与欺诈风险的建模与评估工作,建立系统化的风险量化体系;\n4. 设计科学的测试方案,跟踪策略上线后的效果表现,通过数据复盘持续优化策略,为业务决策提供有力支撑。\n\n任职要求\n1. 本科及以上学历,数学、统计学、计算机、金融工程等相关专业优先;\n2. 具备扎实的数理统计基础,熟悉主流统计分析方法(回归分析、分类、聚类等);\n3. 熟练掌握 SQL 进行数据提取与处理,熟练使用 Python 进行数据分析与建模;\n4. 对数据有较强的敏感度,能够从数据中发现问题并提出合理的假设;\n5. 具备快速学习能力与良好的逻辑思维,能够适应快节奏的工作环境。",
"skills": [AI生成
"Python",
"SQL",
"数据分析",
"统计分析",
"逻辑思维",
"学习能力",
"分析能力",
"建模",
"招聘"
],
"preferred_qualifications": "1. 本科及以上学历,数学、统计学、计算机、金融工程等相关专业优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/13159?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "13159",
"post_date": "2026-08-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/13159?recruitSubProjectCodes="
},
"fulltext": "信贷风控策略分析师\n信贷风控策略分析师\n\n基础信息\n招聘项目:全部校招\n招聘类型:校招\n职位类别:J1014\n工作地点:杭州\n发布时间:2026-08-09\n\n岗位职责\n1. 基于公司内部数据资源,对用户行为数据与属性数据进行深度分析,识别与信贷风险相关的特征模式,挖掘可量化的风险信号;\n2. 深入理解信贷产品的业务场景、目标客群与商业模式,基于风险量化结果,参与贷前、贷中环节风控策略的设计和制定,能够将数据分析能力与业务判断相结合;\n3. 综合客户在信贷全周期的行为数据及内外部多维数据,参与信用风险与欺诈风险的建模与评估工作,建立系统化的风险量化体系;\n4. 设计科学的测试方案,跟踪策略上线后的效果表现,通过数据复盘持续优化策略,为业务决策提供有力支撑。\n\n任职要求\n1. 本科及以上学历,数学、统计学、计算机、金融工程等相关专业优先;\n2. 具备扎实的数理统计基础,熟悉主流统计分析方法(回归分析、分类、聚类等);\n3. 熟练掌握 SQL 进行数据提取与处理,熟练使用 Python 进行数据分析与建模;\n4. 对数据有较强的敏感度,能够从数据中发现问题并提出合理的假设;\n5. 具备快速学习能力与良好的逻辑思维,能够适应快节奏的工作环境。\n信贷风控策略分析师\n\n基础信息\n招聘项目:全部校招\n招聘类型:校招\n职位类别:J1014\n工作地点:杭州\n发布时间:2026-08-09\n\n岗位职责\n1. 基于公司内部数据资源,对用户行为数据与属性数据进行深度分析,识别与信贷风险相关的特征模式,挖掘可量化的风险信号;\n2. 深入理解信贷产品的业务场景、目标客群与商业模式,基于风险量化结果,参与贷前、贷中环节风控策略的设计和制定,能够将数据分析能力与业务判断相结合;\n3. 综合客户在信贷全周期的行为数据及内外部多维数据,参与信用风险与欺诈风险的建模与评估工作,建立系统化的风险量化体系;\n4. 设计科学的测试方案,跟踪策略上线后的效果表现,通过数据复盘持续优化策略,为业务决策提供有力支撑。\n\n任职要求\n1. 本科及以上学历,数学、统计学、计算机、金融工程等相关专业优先;\n2. 具备扎实的数理统计基础,熟悉主流统计分析方法(回归分析、分类、聚类等);\n3. 熟练掌握 SQL 进行数据提取与处理,熟练使用 Python 进行数据分析与建模;\n4. 对数据有较强的敏感度,能够从数据中发现问题并提出合理的假设;\n5. 具备快速学习能力与良好的逻辑思维,能够适应快节奏的工作环境。\n信贷风控策略分析师\n\n基础信息\n招聘项目:全部校招\n招聘类型:校招\n职位类别:J1014\n工作地点:杭州\n发布时间:2026-08-09\n\n岗位职责\n1. 基于公司内部数据资源,对用户行为数据与属性数据进行深度分析,识别与信贷风险相关的特征模式,挖掘可量化的风险信号;\n2. 深入理解信贷产品的业务场景、目标客群与商业模式,基于风险量化结果,参与贷前、贷中环节风控策略的设计和制定,能够将数据分析能力与业务判断相结合;\n3. 综合客户在信贷全周期的行为数据及内外部多维数据,参与信用风险与欺诈风险的建模与评估工作,建立系统化的风险量化体系;\n4. 设计科学的测试方案,跟踪策略上线后的效果表现,通过数据复盘持续优化策略,为业务决策提供有力支撑。\n\n任职要求\n1. 本科及以上学历,数学、统计学、计算机、金融工程等相关专业优先;\n2. 具备扎实的数理统计基础,熟悉主流统计分析方法(回归分析、分类、聚类等);\n3. 熟练掌握 SQL 进行数据提取与处理,熟练使用 Python 进行数据分析与建模;\n4. 对数据有较强的敏感度,能够从数据中发现问题并提出合理的假设;\n5. 具备快速学习能力与良好的逻辑思维,能够适应快节奏的工作环境。",
"standard_classification": {
"std_category_code": "F016",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}