希音
资深风控算法（多方向）-南京上海
资深风控算法（多方向）-南京上海
发布于 大约 7 小时前普通员工/个人贡献者
南京市 / 上海市
高级经验
全职员工
仅现场办公
本科
软件工程
机器学习
PyTorch
SQL
TensorFlow
XGBoost
异常检测
图神经网络
lightGBM
风控算法
AI 估算 · 30k–50k
资深风控算法在大型电商公司，南京/上海薪资水平较高，技能稀缺性强，月薪可达3-5万，年终通常2-4个月。
职位详情
关于这个职位
该职位是希音（SHEIN）的资深风控算法岗，包含营销风控和商家风控两个方向
你将负责利用机器学习、深度学习及图算法，构建风控模型识别异常行为（如虚假交易、刷单、团伙欺诈等），并参与端到端算法落地
适合有3年以上经验、精通数据挖掘和风控技术的人才
最低要求
本科及以上学历，计算机科学、数据科学、数学、统计学、人工智能等相关专业
精通数据分析、统计建模，熟悉常用机器学习算法（如逻辑回归、决策树、XGBoost、LightGBM、神经网络等）
熟练使用 Python / Java / Scala 等至少一种编程语言，以及常用数据分析工具（Pandas、NumPy、SQL 等）
具备处理大规模数据的能力，了解分布式计算框架（Hadoop、Spark、Flink 等）
熟悉风控领域常见技术，包括但不限于异常检测、图相关分析等
逻辑分析能力强，具备优秀的问题抽象与解决能力
年以上（高级岗5年以上）机器学习、数据挖掘或风控算法相关工作经验
编程基础扎实，熟练掌握 Python/Java/C++ 中的至少一种
精通 SQL，熟练使用 Hadoop/Spark/Flink/Hive 等大数据处理框架
深入理解并能熟练应用主流机器学习算法
熟练掌握至少一种深度学习框架（TensorFlow, PyTorch），对 DNN、Transformer、CNN、RNN 等有实际落地经验
对数据敏感，具备优秀的逻辑思维和业务理解能力
具备良好的沟通表达能力、抗压能力和团队协作精神，有极强的自我驱动力和技术热情
工作职责
方向1——营销风控算法：
结合营销业务场景（如优惠券、补贴、活动奖励、游戏等），设计并实现针对虚假交易、批量注册、套现、团伙等异常行为的实时风控算法
利用机器学习、深度学习及相关数据分析技术，对用户行为和交易数据进行实时监控与分析，识别可疑行为和潜在风险
与业务、产品和风控团队紧密合作，定义并完善风控指标体系，持续跟进风险案例并制定对应策略
设计并实现高效、稳定的风控数据处理流程，包括数据清洗、特征工程、模型训练及线上预测部署
持续跟踪电商行业风险趋势及新技术发展，及时更新和升级风控算法与策略
方向2——商家风控算法：
风控场景建模：针对SHEIN全球化业务中的商家端风险场景（如同人店铺、虚假发货、买卖联合欺诈、刷单炒信、恶意注册、黑灰产团伙欺诈等），构建和优化机器学习/深度学习模型
特征工程与数据挖掘：深入挖掘海量商家数据，进行多维度特征工程构建
图算法与复杂关系挖掘：运用图神经网络（GNN）、知识图谱等技术，挖掘商家间复杂关联网络
端到端算法落地：负责算法从数据调研、模型训练、离线评估到线上部署的全流程
跨团队协作：与风控策略、产品经理、业务运营及研发团队紧密合作，将算法能力转化为实际的风控业务价值
优先资格
有图算法（GraphSAGE, GCN, GAT等）、大模型等在风控场景成功落地经验者优先
熟悉且主导过商家风控体系建设者优先
在 KDD、NeurIPS、CVPR 等顶会发表过相关论文，或在 Kaggle、天池等知名数据挖掘比赛中取得优异名次者优先
AI 洞察
优缺点分析
优点
- 前沿技术栈：涉及图神经网络、大模型等热门方向，技术积累价值高
- 平台优势明显：SHEIN 作为全球化电商巨头，数据量和业务复杂度极高，能快速积累经验
- 岗位稀缺性强：风控算法人才需求大，尤其电商风控是核心竞争力
- 双方向可选：营销风控和商家风控覆盖多元场景，拓宽能力边界
- 需要持续跟踪黑产手段，模型迭代频繁，有一定技术紧迫感
- 跨团队协作较多，需平衡业务诉求与技术实现，沟通成本不低
缺点 / 挑战
- 风控领域对模型实时性要求高，线上部署和监控压力较大
- 适合有2-5年算法经验、对风控或反欺诈有浓厚兴趣，乐于挑战复杂数据问题，并希望在大平台深耕技术的人才
角色解读
- 在风控领域纵深发展：从算法工程师晋升为风控算法专家，主导核心风控体系
- 跨领域拓展：可转向数据科学、推荐系统、搜索广告等邻近算法方向
- 管理路径：带团队成为风控技术负责人，统筹算法策略与业务落地
- 设计并实现实时风控算法，检测虚假交易、刷单、团伙欺诈等异常行为
- 利用机器学习、深度学习和图算法挖掘用户/商家行为数据，构建风险模型
- 参与特征工程、模型训练、线上部署及持续迭代，端到端负责算法落地
- 与业务、策略、产品团队密切协作，将风控算法转化为实际的业务价值
- 扎实的编程能力：精通 Python/Java/Scala 中的至少一种，熟悉 SQL 及大数据处理框架（Hadoop/Spark/Flink）
- 机器学习与深度学习：熟练使用 XGBoost、LightGBM、TensorFlow、PyTorch 等框架，有 DNN/Transformer/图神经网络经验
- 风控领域知识：熟悉异常检测、关联网络分析、反欺诈策略等
- 数据敏感性与逻辑思维：能从复杂业务中抽象问题，找到算法与业务的最佳平衡点
申请策略
- 提前了解 SHEIN 的业务模式（快时尚跨境电商），在面试中展现业务理解
- 准备好一个完整的风控建模案例，从问题定义到部署效果，突出你的思考过程
- 突出风控相关项目经历，尤其是异常检测、欺诈识别、图算法等场景
- 强调大数据处理能力，列出 Hadoop/Spark/Flink 的具体使用经验
- 展示深度学习落地成果，如模型 AUC 提升、线上效果等量化指标
- 如有顶会论文或竞赛获奖，务必突出
- 系统学习图神经网络（GraphSAGE、GCN）在风控中的应用
- 补充电商风控业务知识，了解常见黑产手法和风控指标体系
面试指南
- STAR 法则：场景-任务-行动-结果，突出量化成果（如提升召回率 X%，降低误伤率 Y%）
- 问题拆解：先明确业务目标和约束条件，再选择技术方案，比较不同方案的优劣
- 端到端视角：从数据、特征、模型到部署和监控，展现全链路思考
- 请介绍一个你负责过的风控模型，包括特征选择、模型评估和上线效果
- 如何处理风控中的样本不平衡问题？你用过哪些方法？
- 解释一下图神经网络在反团伙欺诈中的应用原理
- 你如何设计一个实时风控系统？需要考虑哪些吞吐量和延迟指标？
- 当风控策略导致误杀率上升，你如何平衡风险与用户体验？
匹配度报告
65
综合匹配度
大平台、前沿技术栈、高成长性，但工作地点固定且加班情况不明确。
适合人群
最适重视技术成长、愿意接受较高工作强度以换取前沿技能积累的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展90
工作生活40
使命价值70
薪资福利匹配
60中等
薪资水平未见明确披露，但高级算法岗在大型电商公司通常具有较强竞争力；福利与稳定性信息未在JD中体现。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
90较高
岗位涉及图神经网络、大模型等前沿技术，有明确的学习和成长空间；JD强调技术热情和持续跟进新技术，但没有直接提及晋升通道。
技术前沿前沿/新兴技术
技术栈图神经网络、GNN、知识图谱、大模型、深度学习、TensorFlow、PyTorch
业务类型ambiguous
工作生活匹配
40较低
工作地点为南京或上海，未提及远程或弹性办公，很可能需要现场办公；工作时长和加班文化未说明。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
风控岗位有助于保护平台免受欺诈损失，具有明确的社会价值；跨境电商行业增长迅速，岗位创新性较强。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs