奥托立夫
Data Science and AI Expert, Statistics
Data Science and AI Expert, Statistics
发布于 10 小时前普通员工/个人贡献者
全职员工仅现场办公数据科学
数据科学
Jmp
数据驱动决策
时间序列分析
机器学习
统计建模
值不值得投
78综合评分
综合评分 78
汽车安全巨头专家岗，技术栈主流且注重赋能与工具化，业务价值高，适合追求技术深度与业务影响力的资深数据人才。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4万
与数据科学中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
32 个在招
市场机会
选择适中
上海 · 数据科学 · 32 个在招
职位详情
关于这个职位
该职位作为数据科学与统计学专家，主要负责推动公司Statistics PME计划，通过数据分析项目赋能研发、制造及非制造业务
你需要开发并讲授高阶统计学课程，培养内部数据分析团队，并基于Python和JSL开发自动化分析工具与JMP插件，提升组织整体的数据驱动决策能力
最低要求
职位描述未明确列出独立的最低任职资格章节，但根据核心职责推断需具备以下条件：
精通高级统计学与数据分析方法，具备高阶试验设计(DoE)、函数型数据分析、多变量统计过程控制、高阶时间序列分析等应用能力
熟练掌握Python及JSL编程，能够独立开发JMP插件与定制化质量分析工具，构建自动化分析平台
具备机器学习预测建模经验，并能将其应用于实际业务场景
拥有跨部门项目推动能力，具备优秀的培训授课、教练式辅导及团队赋能经验
工作职责
Statistics PME项目支持与赋能：
非制造业务优化：主导/辅助供应链、人力资源、财务、市场销售等非制造部门的数据分析项目，推动统计建模与实施
制造过程卓越：系统识别并解决制造端产线长期存在的复杂质量问题，推动制造过程能力的持续提升
研发体系转型：协助研发部门制定基于统计方法的研发创新路线图，识别高价值应用场景，推动预测建模等先进方法在研发阶段的深度融合与落地
Statistics PME能力体系建设：
参与开发并讲授统计学高阶课程，内容涵盖：高阶试验设计(DoE)、函数型数据分析、JSL插件开发与自动化、基于机器学习的预测建模、多变量统计过程控制、高阶时间序列分析与预测等
支持和提供工程师级别的系统化培训与教练式辅导，提升组织整体数据分析能力
支持各工厂/职能部门培养统计数据分析专家团队
Statistics PME分析平台与工具开发：
基于JSL与Python开发定制化质量分析工具与JMP插件，构建自动化分析平台，实现统计方法的标准化、规模化与易用化，提升全组织分析效率
AI 洞察
优缺点分析
优点
- 能够深入接触汽车安全制造的核心业务，将统计学与AI技术直接应用于解决复杂的工程和供应链问题
- 完善的平台提供了广阔的业务场景，有助于积累深厚的行业Know-how
- 需要跨部门（研发、制造、HR、财务等）推动项目，对沟通能力和变革管理能力要求极高
- 适合具备扎实统计学与数据科学背景，且拥有较强跨部门沟通与项目推动能力，致力于在实体制造业深耕数据赋能的资深技术专家
缺点 / 挑战
- 将高阶统计方法在传统制造环境中落地，可能会面临业务部门接受度和数据基础设施的挑战
角色解读
- 未来可向首席数据科学家、数据分析总监或企业级数字化转型专家方向发展，在实体制造业中引领数据驱动的战略决策
- 作为统计学与数据科学专家，你将主导公司Statistics PME计划，通过数据分析赋能研发、制造及非制造业务
- 你需要开发并讲授高阶统计学课程，培养内部数据团队，并利用Python和JSL开发自动化分析工具
- 需要精通高级统计方法（如DoE、多变量统计过程控制、时间序列分析）和机器学习预测建模
- 同时，必须具备扎实的Python和JSL编程能力，能够独立开发JMP插件和自动化分析平台
申请策略
- 了解奥托立夫在汽车安全领域的业务特点，思考统计学如何具体提升其碰撞测试、材料研发或生产良率，在面试中展现对行业的理解
- 重点突出在复杂业务场景（如制造、供应链）中应用高级统计方法和机器学习解决实际问题的成功案例
- 展示使用Python/JSL开发自动化工具或JMP插件的具体成果，以及内部培训或团队赋能的经验
- 建议复习并深化高阶试验设计(DoE)和多变量统计过程控制(MSPC)的理论知识
- 熟悉JMP软件的高级功能及JSL脚本开发，提升工具化落地能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答项目经验，重点突出业务价值（如降本增效、良率提升）
- 对于跨部门沟通问题，强调同理心、业务语言转化和渐进式赋能策略
- 请分享一个你利用高级统计方法或机器学习解决复杂制造或供应链问题的案例
- 你如何向非技术背景的业务部门（如HR或财务）推广数据驱动决策和统计建模？
- 请描述你使用JSL或Python开发自动化分析工具或JMP插件的经验
- 在推动Statistics PME计划时，如果遇到业务部门的阻力，你会如何处理？
- 准备2-3个深度的技术项目案例，涵盖从数据探索、模型构建到工具化落地的全流程
- 复习JMP/JSL的核心功能，并了解汽车制造业常见的质量控制统计方法
职位点评
薪资福利80
成长发展85
工作生活65
使命价值75
薪资福利
80较高
该岗位为专家级数据科学职位，薪资福利体系完善，处于市场中上水平，但JD中未明确披露具体薪资数字。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
85较高
岗位本身即为能力体系建设者，涉及高阶统计学与AI技术，且需赋能全公司，技术深度与业务广度兼具，个人成长空间大。
技术前沿主流现代技术
技术栈Python、JSL、JMP、Machine Learning、DoE、Time Series Analysis
业务类型ambiguous
工作生活
65中等
JD未明确说明工作模式与加班情况，但专家级岗位需跨部门推动项目并开发工具，可能存在一定的工作压力。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
汽车安全行业具有较高的社会价值，通过数据科学提升制造质量和研发创新，间接提升产品安全性，保护用户生命。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
奥托立夫 的其他在招职位
相似职位推荐
Watch Jobs