医疗数据分析师

优缺点分析

角色解读

• 在平安医疗板块深耕，晋升为高级数据分析师或数据科学家，负责更复杂的模型与业务策略
• 横向拓展为数据架构师或医疗业务专家，结合技术与行业知识提供综合解决方案
• 积累医疗数据经验后，可跳槽至顶尖互联网医疗公司或金融机构的数据团队，薪资和职位进一步提升
• 负责整合平安医疗数据，进行深度分析与挖掘，为业务决策提供数据支撑
• 构建医疗风险预测、费用控制和疾病趋势等机器学习模型，优化模型准确性
• 与业务、运营等部门协作，将数据分析结果转化为可落地的业务建议和报告
• 参与数据治理工作，提升数据质量，并可能驻点项目现场支持外部数据应用
• 熟练掌握Python或R进行数据清洗、建模与可视化，并熟练使用SQL处理大规模医疗数据库
• 熟悉机器学习建模方法（逻辑回归、随机森林、XGBoost、聚类等），并能进行特征工程与因子分析
• 了解Hadoop、Spark等大数据平台的使用，能够处理海量数据
• 具备大语言模型（LLM）和向量数据库等前沿技术的应用经验，能够赋能医疗数据分析

申请策略

• 在求职信中具体说明对平安医疗业务的理解，例如平安好医生、智慧医疗等板块，展示诚意
• 关注平安的面试流程，提前准备业务案例分析题，如给定医疗数据如何分析以降低赔付率
• 突出医疗数据分析项目经验：详细描述参与过的医保控费、DRG/DIP支付改革、疾病预测等项目，强调业务产出和模型效果
• 展示技术技能：明确写出Python/R、SQL、Hadoop/Spark的实际使用场景，以及机器学习算法的应用案例
• 强调LLM经验：如有使用大语言模型或向量数据库的经历，需详细说明，这是加分项
• 体现业务理解：在简历中融入对医保政策、医院运营的了解，展示转化数据为业务语言的能力
• 系统学习DRG/DIP相关知识：阅读政策文件或参加线上课程，深入理解医保支付改革逻辑
• 强化LLM应用能力：尝试用LangChain或向量数据库构建医疗问答或数据分析助手项目

面试指南

• 采用STAR法则（Situation-Task-Action-Result）结构化回答项目经验，突出量化结果
• 解释技术概念时使用类比或业务语言，如将逻辑回归比作“风险评分卡”
• 对开放性问题先给出原理框架，再结合实际案例，展示逻辑清晰度
• 请介绍一个你参与过的医疗数据分析项目，包括背景、方法、结果和你的具体贡献
• 如何处理医疗数据中常见的缺失值、异常值问题？请举例说明
• 对DRG/DIP支付改革的理解是什么？如何通过数据分析支持医保控费？
• 如何将复杂的模型结果向非技术背景的业务方解释？请给出具体方法
• 你在大语言模型（LLM）方面的实际应用经验有哪些？请描述一个场景