斯堪尼亚汽车
Data Scientist
Data Scientist
发布于 6 个月前普通员工/个人贡献者
Södertälje, SE, 151 36
中级经验
全职员工
混合式弹性办公
硕士
数据分析与科学
Machine Learning
Generative AI
LLM
MLOps
Power BI
SQL
薪资面议
暂无薪资依据说明。
职位详情
关于这个职位
该职位是斯堪尼亚汽车旗下TRATON金融服务公司的数据科学家，专注于将数据转化为商业价值
你将加入TFS Analytics团队，根据个人背景和兴趣，可选择侧重于业务分析或AI/ML/GenAI方向，负责从数据探索到模型部署的全流程工作，与全球团队协作，推动数据驱动的金融决策
最低要求
计算机科学、数据科学、AI/ML或相关领域的硕士或同等学历
具备处理大型复杂数据集和现代数据平台的经验
强大的分析思维和问题解决导向
出色的沟通能力，能够简化复杂性
具备协作精神、好奇心，并致力于从数据中创造端到端的价值
工作职责
对于业务分析方向：
与业务利益相关者接触，识别分析机会并定义成功指标
进行探索性数据分析（EDA）并创建有影响力的数据可视化
开发描述性和诊断性模型，以增强财务、风险和绩效分析
使用Power BI等工具设计和交付自助服务仪表板
将数据发现转化为清晰的业务建议，并向不同受众有效展示
为提高整个TFS的数据素养和推广数据驱动文化做出贡献
对于AI/ML/GenAI方向：
设计、开发和部署预测性、规范性及生成式AI模型以解决实际业务问题
探索和实施基于LLM的解决方案，如生成式AI聊天机器人、文档智能系统或能够推理、行动和自动化工作流程的Agentic AI工具
与数据工程师合作，确保可扩展的数据管道和高效的模型部署
将AI模型和智能体集成到业务应用和数字平台中
开发和维护用于MLOps、LLMOps和持续模型改进的可重用框架
与领域专家合作，确保负责任的AI实践，关注准确性、公平性和可解释性
紧跟新兴AI技术，为TFS的AI路线图和创新战略做出贡献
优先资格
对于业务分析方向：
具备SQL、Python和数据可视化工具（如Power BI）的扎实技术技能
在数据建模、业务分析和报告方面有经验
具备将数据洞察与业务影响联系起来的能力
有Snowflake、dbt或类似云数据平台经验者优先
有金融服务、风险建模或客户分析经验者优先
对于AI/ML/GenAI方向：
具备Python编程技能和机器学习框架经验
有生成式AI、LLM（如OpenAI、Claude、Gemini或开源模型）和Agentic AI框架的工作经验
理解MLOps、CI/CD管道和基于云的AI服务
在数据工程概念、特征设计和模型生命周期管理方面有坚实基础
AI 洞察
优缺点分析
优点
- 行业与平台优势：加入全球领先的商用车集团金融部门，能接触海量、真实的金融业务数据，项目价值高，行业经验含金量足
- 技术前沿性：职位明确涉及生成式AI、Agentic AI等前沿领域，提供了宝贵的学习和实践机会，有利于保持技术竞争力
- 明确的职业支持：公司提供结构化的个人发展计划、培训课程，以及本地和国际的职业成长支持，体系较为完善
- 工作模式与福利：提供混合办公、弹性工作时间等灵活性，并享有利润分享、公司车租赁等有吸引力的福利待遇
- 金融领域的合规与责任：在金融服务领域应用AI和数据分析，模型需要极高的准确性、公平性和可解释性，责任重大，容错率低
- 适合拥有扎实数据科学和编程基础，对在金融领域应用数据分析和AI技术充满热情，并具备优秀沟通协作能力，希望在国际化平台实现技术价值与业务影响结合的求职者
缺点 / 挑战
- 技术复杂性与广度要求高：需要同时掌握数据分析、业务理解和（对于AI方向）前沿的AI技术栈，学习压力和持续更新要求大
- 跨团队协作与沟通压力：作为总部职能，需要与全球不同业务单元协作，理解多样化的需求并用数据说服他人，对沟通和影响力是考验
角色解读
- 技术深度发展：可以从通用数据科学家，向AI/ML专家、LLM应用架构师或数据产品负责人等更专精的技术角色发展
- 业务与管理结合：积累金融领域知识后，可转向业务分析师、数据战略顾问，或晋升为数据分析团队的技术负责人、经理
- 国际化平台机会：依托TRATON集团的全球业务，有机会参与国际项目、轮岗，或在集团内其他市场寻求职业发展
- 你将负责将复杂的数据集转化为清晰的业务洞察和可操作的建议，直接影响公司的金融和运营决策
- 根据方向不同，工作可能侧重于开发业务分析仪表板、进行风险建模，或构建和部署机器学习、生成式AI模型来解决实际问题
- 你需要与数据工程师、BI开发人员和领域专家协作，完成从数据探索、模型开发到最终部署和集成的全流程工作
- 你还需要与全球的业务团队沟通，理解需求，并将技术成果转化为业务价值，同时推动公司内部的数据驱动文化
- 核心编程与工具技能：必须熟练掌握Python和SQL，并精通Power BI等数据可视化工具，用于数据分析和结果呈现
- 数据分析与建模能力：需要扎实的数据探索、建模（描述性、预测性）经验，并能将分析结果与具体的业务影响（如财务表现、风险）联系起来
- 特定方向专长：业务分析方向需熟悉Snowflake/dbt等云数据平台
- AI方向需具备机器学习框架、LLM应用及MLOps实践经验
- 软技能：出色的沟通能力至关重要，用于跨团队协作、向非技术受众解释复杂概念，以及推动数据文化的建立
申请策略
- 仔细研究TRATON集团及其金融服务业务，在申请材料或面试中表现出你对商用车行业金融服务的兴趣和理解
- 关注职位描述的“协作”、“数据驱动文化”等关键词，在申请中体现你不仅技术强，还是优秀的团队合作者和文化推动者
- 突出与金融、风险或客户分析相关的项目经验，详细说明你如何利用数据（SQL/Python）解决具体业务问题并量化其影响
- 针对申请方向，重点展示相关技术栈：业务方向展示Power BI仪表板、数据建模案例
- AI方向展示机器学习/LLM项目、模型部署（MLOps）经验
- 强调跨职能协作经历，例如如何与工程师、业务人员合作完成项目，并成功将技术成果落地或推动决策
- 如有国际化工作或学习背景，或能体现优秀沟通、简化复杂问题的能力，也应重点呈现
- 如果对金融领域不熟，可提前学习基础的金融知识、风险模型概念，或通过公开数据集完成一个金融数据分析的小项目
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化回答项目经验类问题，重点突出你的个人贡献、技术选择理由以及最终的业务价值
- 对于问题解决和沟通类问题，展示你的系统性思维：从澄清需求、数据探索、方案设计、到结果验证和迭代，并强调与利益相关者的持续沟通
- 在回答技术或伦理问题时，既要展示你的专业知识深度，也要体现你的商业意识和责任感，将技术实践与业务目标、行业规范联系起来
- 请分享一个你过去的数据科学项目，你是如何从理解业务问题开始，到最后交付成果并评估其影响的？
- 如果业务部门给你一个模糊的分析需求，你会如何开展工作来明确问题并设计解决方案？
- 请描述一次你构建并部署一个机器学习模型（或LLM应用）到生产环境的经历，遇到了哪些挑战，如何解决的？
- 你如何向一个没有技术背景的财务经理解释一个复杂的风险预测模型及其结果？
- 在金融领域应用AI模型时，你认为最重要的伦理或合规考量是什么？你如何在项目中确保这一点？
职位点评
Watch Jobs