你将有机会主导从问题发现到智能规模化的完整闭环： 1. 定义问题：从复杂业务中抽象核心模型 ○ 归因与建模：深入业务一线，通过数据挖掘和特征分析，完成现象归因，弄清楚"真正有价值的问题是什么"，并明确解决目标 ○ 架构设计：针对定义好的业务问题进行数学与逻辑建模，从零设计高度灵活的 AI 原生架构（AI-Native Architecture） 2. 收敛问题：将 AI 的"不确定性"转化为工程的"确定性" ○ 环境构建：搭建能够让 AI 与现有系统、数据进行交互的运行环境 ○ 工程迭代：面对大模型带来的"无数种可能性"，通过严谨的工程手段——包括调试、旁路测试、回测、自动化评测与仿真模拟，不断打磨和迭代 AI 解决问题的路径，将发散的可能性收敛为"几个最优、可落地的选项" 3. 内化能力：实现智能的规模化复制 ○ 经验沉淀：通过复盘与反思，提取成功解决问题的业务路径和技术经验 ○ 系统演进：将这些成功经验，以训练、系统架构优化、上下文工程等形式，深度内化为稳定、可复用的模型能力与系统底座，实现智能的规模化应用 岗位要求

你将有机会主导从问题发现到智能规模化的完整闭环： 1. 定义问题：从复杂业务中抽象核心模型 ○ 归因与建模：深入业务一线，通过数据挖掘和特征分析，完成现象归因，弄清楚"真正有价值的问题是什么"，并明确解决目标 ○ 架构设计：针对定义好的业务问题进行数学与逻辑建模，从零设计高度灵活的 AI 原生架构（AI-Native Architecture） 2. 收敛问题：将 AI 的"不确定性"转化为工程的"确定性" ○ 环境构建：搭建能够让 AI 与现有系统、数据进行交互的运行环境 ○ 工程迭代：面对大模型带来的"无数种可能性"，通过严谨的工程手段——包括调试、旁路测试、回测、自动化评测与仿真模拟，不断打磨和迭代 AI 解决问题的路径，将发散的可能性收敛为"几个最优、可落地的选项" 3. 内化能力：实现智能的规模化复制 ○ 经验沉淀：通过复盘与反思，提取成功解决问题的业务路径和技术经验 ○ 系统演进：将这些成功经验，以训练、系统架构优化、上下文工程等形式，深度内化为稳定、可复用的模型能力与系统底座，实现智能的规模化应用 岗位要求

核心定位：数据驱动业务决策，AI 赋能数据分析 岗位职责 1. 数据洞察与业务分析 ○ 设计指标体系，负责趋势监测、异动归因与策略建议 ○ 设计与执行 A/B 实验，量化产品与运营策略效果 2. 业务深度洞察专项 ○ 商家与行业分析：商家分层、经营健康度评分、成长路径挖掘 ○ 用户增长与留存：LTV 建模、获客漏斗、流失预警与召回 ○ GMV 波动分析：多维归因框架，双 11/日销异动根因定位 ○ 物流数据分析：运筹优化解决仓储选址、库存分配、路径规划 3. AI / 大模型驱动的数据科学 ○ Text-to-SQL / Text-to-Insight 自然语言查询 ○ RAG 构建业务知识库与智能决策辅助工具 ○ AI Agent / 多 Agent 协作工作流设计 ○ LLM 辅助实验设计与因果分析