一、崗位職責 :
1. 數(shù)據(jù)體系建設(shè) - 負責搭建和完善公司數(shù)據(jù)指標體系,優(yōu)化數(shù)據(jù)采集、清洗、存儲和分析流程。 - 設(shè)計并維護數(shù)據(jù)看板(Dashboard),為業(yè)務部門提供可視化數(shù)據(jù)支持。
2. 業(yè)務數(shù)據(jù)分析 - 深入業(yè)務場景,分析用戶行為、產(chǎn)品表現(xiàn)、運營效果等關(guān)鍵數(shù)據(jù),提供數(shù)據(jù)洞察。 - 針對業(yè)務問題(如用戶增長、留存、轉(zhuǎn)化、風控等)進行專題分析,輸出優(yōu)化建議。
3. 數(shù)據(jù)建模與挖掘 - 運用統(tǒng)計學、機器學習等方法,構(gòu)建預測模型(如用戶分群、流失預警、推薦算法等)。 - 掌握信用評分卡、反欺詐規(guī)則引擎、機器學習模型(如隨機森林、GBDT)的應用。 - 優(yōu)化現(xiàn)有數(shù)據(jù)模型,提升業(yè)務決策的精準度和效率。
4. 跨部門協(xié)作 - 與業(yè)務、運營、風險等部門緊密合作,推動數(shù)據(jù)驅(qū)動的業(yè)務決策。 - 向管理層提供數(shù)據(jù)報告,輔助戰(zhàn)略制定。
5. 數(shù)據(jù)治理與優(yōu)化 - 監(jiān)控數(shù)據(jù)質(zhì)量,發(fā)現(xiàn)并解決數(shù)據(jù)異常問題。 - 探索新的數(shù)據(jù)分析方法和工具,提升團隊分析效率。
二、任職要求 :
1. 教育背景 - 本科及以上學歷,數(shù)學、統(tǒng)計學、計算機、經(jīng)濟學、金融等相關(guān)專業(yè)優(yōu)先。
2. 技能要求 - 數(shù)據(jù)分析工具:熟練使用SQL(復雜查詢、優(yōu)化)、Python(Pandas、NumPy、Scikit-learn等)或R。 - 可視化工具:熟悉Tableau、Power BI、FineBI等,能獨立搭建數(shù)據(jù)看板。 - 統(tǒng)計與建模:掌握回歸分析、聚類、分類、時間序列等統(tǒng)計建模方法。 - 業(yè)務理解:具備較強的商業(yè)敏感度,能快速理解業(yè)務需求并轉(zhuǎn)化為數(shù)據(jù)分析方案。
3. 經(jīng)驗要求 - 5年及以上數(shù)據(jù)分析/數(shù)據(jù)科學相關(guān)工作經(jīng)驗,有互聯(lián)網(wǎng)、金融、風控經(jīng)驗優(yōu)先。 - 風控ABC卡的,催收模型,貸中客戶行為評分卡模型,貸前準入模型,預測模型、AB測試、用戶增長、風控建模等實戰(zhàn)經(jīng)驗者優(yōu)先。
三、加分項 :
熟悉機器學習(如XGBoost、深度學習)或大數(shù)據(jù)技術(shù)(如Hadoop、Flink)。 - 熟悉風控模型和金融行業(yè)優(yōu)先 - 熟悉行業(yè)數(shù)據(jù)分析方法論(如AARRR、RFM、漏斗分析等)。