香港赛马会
Data Scientist (3-year contract)
Data Scientist (3-year contract)
发布于 8 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
Etl
Mlflow
Nlp
推荐系统
数据分析
数据可视化
机器学习
特征工程
统计建模
值不值得投
69综合评分
综合评分 69
大型赛马会客户数据科学岗，技术栈主流、业务场景丰富，3年合同且WLB未明。
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
5.8万
比数据科学中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 100 个在招
市场机会
选择不多
香港特别行政区 · 数据科学 · 10 个在招
职位详情
关于这个职位
该职位隶属于香港赛马会会员及客户卓越部门，负责利用统计与机器学习方法分析多源客户数据，构建预测、分类、聚类、NLP或推荐模型，并推动数据管道、实验、模型上线与监控，以支持更个性化的客户体验和业务决策
最低要求
商业、金融、统计、数据科学、数学或信息技术等相关专业学士学位
至少5-8年数据分析、统计分析或相关领域经验
具备关系型数据库和数据转换技术的实操经验
具备数据可视化、定量和/或财务建模工具与技术的经验
工作职责
数据探索与分析：从多种来源收集、清洗、处理并探索大型数据集，运用统计方法和可视化工具发现模式、趋势和异常
数据管道：按需支持可扩展数据管道及ETL流程的开发与维护
特征工程：识别、创建并选择相关特征，以提升模型性能与可解释性
模型开发：设计、构建、训练并验证预测性和规范性机器学习模型（如回归、分类、聚类、NLP、推荐系统等），解决真实业务问题
实验与测试：设计并实施严谨的测试和实验，衡量影响并迭代优化方案
模型部署与监控：与团队成员协作，将模型投入生产（使用Docker、Kubernetes、MLflow或云服务等工具），并建立监控管道跟踪生产环境表现
直线经理安排的其他任务：主动承担并完成直线经理分配的日常/每周任务
AI 洞察
优缺点分析
优点
- 香港赛马会业务场景丰富，覆盖会员、赛马、博彩、慈善等，数据体量大且业务问题多样
- 岗位覆盖从分析、建模到部署监控的端到端流程，有利于积累完整数据科学能力
- 客户卓越部门强调个性化体验与数据治理，能接触会员/客户价值提升核心议题
- 公司提供有竞争力薪酬福利和培训发展机会
- 年合同制，需关注合同续约与长期职业稳定性
- 需同时服务会所、马场、投注处等多业务线，利益相关方多、需求协调复杂
- 适合有5-8年数据分析/建模经验，喜欢端到端解决业务问题、能在多业务线环境推动模型落地的数据科学人才
缺点 / 挑战
- 对5-8年经验要求较高，需独立推动建模、实验和上线，业务与技术沟通压力并存
角色解读
- 可从数据科学家向资深/首席数据科学家发展，深耕客户分析、推荐与营销科学
- 也可转向数据/AI负责人、产品分析负责人或业务策略管理岗，结合会员与博彩业务
- 合同期内可积累大规模客户数据、模型上线和跨部门项目经验
- 从多源客户数据中做清洗、探索与统计分析，发现业务模式、趋势和异常
- 设计并训练回归、分类、聚类、NLP、推荐系统等机器学习模型，解决会员/客户体验与运营问题
- 将模型与数据管道产品化，使用Docker/Kubernetes/MLflow/云服务部署并监控生产表现
- 通过严谨实验衡量模型或策略影响，持续迭代并与业务团队协作
- 扎实的统计与机器学习基础，能独立完成特征工程、建模与验证
- 熟练处理关系型数据库与数据转换，具备ETL/数据管道开发意识
- 具备数据可视化、定量或财务建模工具经验，能把分析结果讲清楚
- 熟悉模型部署与监控工具（Docker、Kubernetes、MLflow、云平台）者更有优势
申请策略
- 简历与面试中突出跨部门沟通和业务落地，而非只讲算法
- 了解MCE部门客户体验与数据治理目标，准备个性化推荐/客户统一视图相关案例
- 突出5-8年数据分析/数据科学经验，尤其是客户分析、会员运营、营销或推荐系统项目
- 用量化结果展示模型对业务的影响，如提升转化、留存、客户价值或运营效率
- 强调端到端能力：数据清洗、特征工程、建模、实验设计、部署监控
- 列出关系型数据库、ETL、Docker/Kubernetes/MLflow/云平台的实操经历
- 补齐模型部署与监控工具链（Docker、Kubernetes、MLflow、云平台）的项目案例
- 准备一个完整的实验设计与AB测试案例，展示如何衡量模型影响
面试指南
- 用STAR结构讲项目：业务背景、数据与建模方法、上线协作、可量化结果
- 对实验问题按“假设—指标—分流—显著性—迭代”回答
- 对部署监控按“容器化—服务化—日志/指标—告警—再训练”回答
- 请介绍一个你从数据清洗、特征工程到模型上线的端到端项目，业务效果如何衡量？如何设计实验评估推荐/营销模型对会员参与度或客户价值的影响？面对多源客户数据质量问题，你如何做数据治理与特征选择？你使用过哪些模型部署与监控工具？如何监控生产模型漂移？你如何向非技术业务方解释复杂模型并推动落地？
- 准备2-3个客户分析/推荐/营销模型案例，突出业务指标与模型上线细节
- 复习统计建模、AB测试、特征工程、模型监控与数据管道基础知识
- 了解香港赛马会的会员体系、赛马博彩业务和负责任博彩/慈善定位
职位点评
薪资福利65
成长发展82
工作生活55
使命价值72
薪资福利
65中等
JD仅说明提供具竞争力的薪酬与福利，但未披露具体薪资、奖金或合同续约安排，补偿性吸引力需面谈确认。
薪资信号未披露（AI估算：4.5千–7.0万/月）
福利待遇competitive salary and benefits packages
成长发展
82较高
岗位覆盖数据分析、特征工程、建模、实验、部署监控的端到端流程，使用主流现代数据科学工具，并提到发展机会。
技术前沿主流现代技术
技术栈Machine Learning、NLP、Recommendation Systems、Docker、Kubernetes、MLflow、ETL、Data Visualisation
成长机会development opportunities
业务类型ambiguous
工作生活
55较低
JD未说明远程/弹性安排或工时制度，仅提到dynamic working environment；WLB与通勤体验需在面试中确认。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
72中等
赛马会以慈善及社区贡献为使命，岗位虽偏客户体验与数据策略，但能间接服务负责任博彩与社区价值。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号for the betterment of our society、charities and community contribution、combatting illegal gambling、responsible sports wagering
创新程度积极采用新技术
香港赛马会 的其他在招职位
相似职位推荐
Watch Jobs