主分类：数据产品经理
辅助：Agent 产品经理（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": "资深AI产品策划",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "用户体验中心",
"location": "杭州市",
"work_mode": "未披露",AI生成
"job_category": "产品"AI生成
},
"company": {
"company_name": "网易",
"company_industry": "互联网 / 游戏 / 数字内容",
"company_size": "10000人以上",
"company_website": "netease.com",
"company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 5,
"degree": "不限",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 智能化数据平台规划与重构 (AI-Native BI)\n• 负责集团/游戏业务数据产品的智能化升级，基于 LLM（大语言模型）能力重构现有的 BI 平台架构。\n• 不仅仅满足于传统的“看报表”，更要主导从“人找数据”向“数据找人/对话式分析”的范式转变。\n• 推动底层数据资产（数仓、指标库）与 AI 模型的深度适配，确立 AI 读取数据的标准与规范，保障 AI 输出的准确性与可解释性。\n2. AI 分析产品功能设计 (ChatBI & Agent)\n• 主导“数据 Copilot”或“ChatBI”类产品的设计与落地，实现通过自然语言交互（NL2SQL）完成复杂的数据查询、图表生成及归因分析，极大降低非技术人员（运营、策划）的数据获取门槛。\n• 构建数据分析 Agent（智能体）：针对游戏业务中的核心场景（如流失归因、活动复盘），设计能自动执行“异常检测-根因分析-策略建议”全链路的 AI 工作流，不仅给数据，更给结论。\n• 保留并优化传统可视化能力，但需探索“生成式 UI”在数据看板中的应用，实现千人千面的智能看板推荐。\n3. AI 场景化赋能与生态布道\n• 深入挖掘游戏业务（如 MMORPG、FPS 等）中的数据痛点，利用 AI 技术解决传统 BI 难以处理的非结构化数据分析（如玩家舆情、社区反馈）与结构化数据的交叉分析难题。\n• 担任内部 AI 数据产品的布道师，推广智能化数据工具的使用，收集反馈并持续通过 Prompt Engineering（提示词工程）或模型微调优化产品体验，提升组织整体的数据决策效",
"requirements_text": "1. 专业经验（AI + 数据复合背景）\n• AI 应用实战经验（核心加分项）： 极度熟悉 AI 技术边界，在日常工作中重度使用 AI 工具。有实际参与过 LLM 应用、RAG（检索增强生成）、Agent 等相关产品落地的经验优先。\n• 扎实的数据产品功底（硬性门槛）： 5-8 年以上数据产品经验，深刻理解数据全链路（采集-数仓-分析-应用），在大型互联网公司有过成熟数据产品（如数据中台、BI、DMP）的设计经验。\n• （注：不要求会写复杂的算法代码，但需要懂模型能做什么、不能做什么，以及如何将业务需求转化为 AI 可理解的 Prompt 逻辑。）\n2. 产品能力（场景重构力）\n• 具备“AI Native”的产品思维： 能跳出传统的“菜单+报表”设计框架，具备设计LUI（语言交互界面）与 GUI 结合的复杂 B 端产品能力。\n• 复杂逻辑抽象能力： 能将资深数据分析师的思维逻辑（Analysis Path）抽象为 AI Agent 的工作流（Workflow），让 AI 具备“专家级”的分析能力。\n• 具备商业化思维，能清晰定义 AI 为数据产品带来的增量价值（如：查询时间从 30 分钟缩短至 1 分钟）。\n3. 行业认知与协作力\n• 游戏行业认知（加分项）： 有游戏行业数据分析经验为佳，或对游戏业务逻辑有较强的理解力，能快速听懂业务侧的“黑话”并转化为数据需求。\n• 跨团队协作与落地： 具备极强的技术理解力，能与算法团队（调优模型）、数据开发团队（治理数据）、前端团队（交互实现）高效对话，协调资源推动 AI 数据产品从 Demo 到规模化落地。",
"skills": [AI生成
"数据分析",
"团队协作",
"分析能力",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "AI 应用实战经验（核心加分项）： 极度熟悉 AI 技术边界，在日常工作中重度使用 AI 工具；有实际参与过 LLM 应用、RAG（检索增强生成）、Agent 等相关产品落地的经验优先；游戏行业认知（加分项）： 有游戏行业数据分析经验为佳，或对游戏业务逻辑有较强的理解力，能快速听懂业务侧的“黑话”并转化为数据需求",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://hr.163.com/job-detail.html?id=74220&lang=zh"
}
]
},
"posting": {
"posting_id": "74220",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=74220&lang=zh"
},
"fulltext": "资深AI产品策划\n职位描述\n1. 智能化数据平台规划与重构 (AI-Native BI)\n• 负责集团/游戏业务数据产品的智能化升级，基于 LLM（大语言模型）能力重构现有的 BI 平台架构。\n• 不仅仅满足于传统的“看报表”，更要主导从“人找数据”向“数据找人/对话式分析”的范式转变。\n• 推动底层数据资产（数仓、指标库）与 AI 模型的深度适配，确立 AI 读取数据的标准与规范，保障 AI 输出的准确性与可解释性。\n2. AI 分析产品功能设计 (ChatBI & Agent)\n• 主导“数据 Copilot”或“ChatBI”类产品的设计与落地，实现通过自然语言交互（NL2SQL）完成复杂的数据查询、图表生成及归因分析，极大降低非技术人员（运营、策划）的数据获取门槛。\n• 构建数据分析 Agent（智能体）：针对游戏业务中的核心场景（如流失归因、活动复盘），设计能自动执行“异常检测-根因分析-策略建议”全链路的 AI 工作流，不仅给数据，更给结论。\n• 保留并优化传统可视化能力，但需探索“生成式 UI”在数据看板中的应用，实现千人千面的智能看板推荐。\n3. AI 场景化赋能与生态布道\n• 深入挖掘游戏业务（如 MMORPG、FPS 等）中的数据痛点，利用 AI 技术解决传统 BI 难以处理的非结构化数据分析（如玩家舆情、社区反馈）与结构化数据的交叉分析难题。\n• 担任内部 AI 数据产品的布道师，推广智能化数据工具的使用，收集反馈并持续通过 Prompt Engineering（提示词工程）或模型微调优化产品体验，提升组织整体的数据决策效\n\n职位要求\n1. 专业经验（AI + 数据复合背景）\n• AI 应用实战经验（核心加分项）： 极度熟悉 AI 技术边界，在日常工作中重度使用 AI 工具。有实际参与过 LLM 应用、RAG（检索增强生成）、Agent 等相关产品落地的经验优先。\n• 扎实的数据产品功底（硬性门槛）： 5-8 年以上数据产品经验，深刻理解数据全链路（采集-数仓-分析-应用），在大型互联网公司有过成熟数据产品（如数据中台、BI、DMP）的设计经验。\n• （注：不要求会写复杂的算法代码，但需要懂模型能做什么、不能做什么，以及如何将业务需求转化为 AI 可理解的 Prompt 逻辑。）\n2. 产品能力（场景重构力）\n• 具备“AI Native”的产品思维： 能跳出传统的“菜单+报表”设计框架，具备设计LUI（语言交互界面）与 GUI 结合的复杂 B 端产品能力。\n• 复杂逻辑抽象能力： 能将资深数据分析师的思维逻辑（Analysis Path）抽象为 AI Agent 的工作流（Workflow），让 AI 具备“专家级”的分析能力。\n• 具备商业化思维，能清晰定义 AI 为数据产品带来的增量价值（如：查询时间从 30 分钟缩短至 1 分钟）。\n3. 行业认知与协作力\n• 游戏行业认知（加分项）： 有游戏行业数据分析经验为佳，或对游戏业务逻辑有较强的理解力，能快速听懂业务侧的“黑话”并转化为数据需求。\n• 跨团队协作与落地： 具备极强的技术理解力，能与算法团队（调优模型）、数据开发团队（治理数据）、前端团队（交互实现）高效对话，协调资源推动 AI 数据产品从 Demo 到规模化落地。\n1. 智能化数据平台规划与重构 (AI-Native BI)\n• 负责集团/游戏业务数据产品的智能化升级，基于 LLM（大语言模型）能力重构现有的 BI 平台架构。\n• 不仅仅满足于传统的“看报表”，更要主导从“人找数据”向“数据找人/对话式分析”的范式转变。\n• 推动底层数据资产（数仓、指标库）与 AI 模型的深度适配，确立 AI 读取数据的标准与规范，保障 AI 输出的准确性与可解释性。\n2. AI 分析产品功能设计 (ChatBI & Agent)\n• 主导“数据 Copilot”或“ChatBI”类产品的设计与落地，实现通过自然语言交互（NL2SQL）完成复杂的数据查询、图表生成及归因分析，极大降低非技术人员（运营、策划）的数据获取门槛。\n• 构建数据分析 Agent（智能体）：针对游戏业务中的核心场景（如流失归因、活动复盘），设计能自动执行“异常检测-根因分析-策略建议”全链路的 AI 工作流，不仅给数据，更给结论。\n• 保留并优化传统可视化能力，但需探索“生成式 UI”在数据看板中的应用，实现千人千面的智能看板推荐。\n3. AI 场景化赋能与生态布道\n• 深入挖掘游戏业务（如 MMORPG、FPS 等）中的数据痛点，利用 AI 技术解决传统 BI 难以处理的非结构化数据分析（如玩家舆情、社区反馈）与结构化数据的交叉分析难题。\n• 担任内部 AI 数据产品的布道师，推广智能化数据工具的使用，收集反馈并持续通过 Prompt Engineering（提示词工程）或模型微调优化产品体验，提升组织整体的数据决策效\n1. 专业经验（AI + 数据复合背景）\n• AI 应用实战经验（核心加分项）： 极度熟悉 AI 技术边界，在日常工作中重度使用 AI 工具。有实际参与过 LLM 应用、RAG（检索增强生成）、Agent 等相关产品落地的经验优先。\n• 扎实的数据产品功底（硬性门槛）： 5-8 年以上数据产品经验，深刻理解数据全链路（采集-数仓-分析-应用），在大型互联网公司有过成熟数据产品（如数据中台、BI、DMP）的设计经验。\n• （注：不要求会写复杂的算法代码，但需要懂模型能做什么、不能做什么，以及如何将业务需求转化为 AI 可理解的 Prompt 逻辑。）\n2. 产品能力（场景重构力）\n• 具备“AI Native”的产品思维： 能跳出传统的“菜单+报表”设计框架，具备设计LUI（语言交互界面）与 GUI 结合的复杂 B 端产品能力。\n• 复杂逻辑抽象能力： 能将资深数据分析师的思维逻辑（Analysis Path）抽象为 AI Agent 的工作流（Workflow），让 AI 具备“专家级”的分析能力。\n• 具备商业化思维，能清晰定义 AI 为数据产品带来的增量价值（如：查询时间从 30 分钟缩短至 1 分钟）。\n3. 行业认知与协作力\n• 游戏行业认知（加分项）： 有游戏行业数据分析经验为佳，或对游戏业务逻辑有较强的理解力，能快速听懂业务侧的“黑话”并转化为数据需求。\n• 跨团队协作与落地： 具备极强的技术理解力，能与算法团队（调优模型）、数据开发团队（治理数据）、前端团队（交互实现）高效对话，协调资源推动 AI 数据产品从 Demo 到规模化落地。",
"standard_classification": {
"std_category_code": "PM006",
"std_aux_codes": [
"PM004"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}