Prudential plc logo
保诚
Manager, Advanced Analytics

Manager, Advanced Analytics

发布于 9 天前

中层管理(经理/总监)

AI 估算 · 5.0–8.0万 · AI 参考估算
高级经验
硕士
全职员工仅现场办公数据科学
数据科学
Azure/Aws
Generative Ai
Llms
Machine Learning
Mlops
Pytorch
Tensorflow
Xgboost

值不值得投

80综合评分

综合评分 80

顶尖外企、前沿AI技术栈、高薪稳定、管理职责重、WLB未明确

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

6.5万

比数据科学中位数低

发布情况

正常在招 · 9 天前发布

市场机会

选择适中

香港特别行政区 · 数据科学 · 16 个在招

职位详情

关于这个职位

负责设计、构建和部署机器学习及AI解决方案,支持客户增长、留存及业务转型

带领技术团队交付预测模型与AI应用,建立MLOps最佳实践,探索生成式AI等前沿技术在保险业务中的应用

最低要求

数据科学、统计学、数学、计算机科学、工程或精算等相关定量学科本科及以上学历

-10年数据科学、机器学习、高级分析或相关定量领域的工作经验
具备开发并部署产生可衡量业务影响的机器学习解决方案的实证经验
精通机器学习、预测建模、统计分析和优化技术
熟练使用Python及Scikit-learn, XGBoost, TensorFlow, PyTorch等库
熟悉特征工程、模型评估、超参数优化及模型可解释性
深入理解MLOps(模型部署、监控、CI/CD等)
熟悉Azure, AWS, GCP等云平台
强大的SQL及数据处理能力

工作职责

设计、开发、验证和部署预测及机器学习模型,支持客户获取、留存、复购、交叉销售、渠道生产力及营销效果

开发高级分析解决方案,包括倾向性模型、流失预测、客户终身价值模型、推荐引擎、预测模型和优化算法
应用现代机器学习技术识别业务机会,改善客户、代理、营销及运营领域的决策
将业务挑战转化为可扩展的分析及AI驱动解决方案
探索和实施新兴AI技术(如生成式AI、LLMs、RAG、AI Agents),评估原型以提升客户体验和运营效率
建立和管理端到端机器学习生命周期流程,包括模型开发、测试、部署、监控和重训练
通过特征工程、超参数调优等手段优化模型性能
与技术及数据工程团队协作,开发可扩展的生产就绪型机器学习解决方案
实施MLOps最佳实践,确保模型可靠性、治理、可扩展性和运营效率

优先资格

硕士及以上学历

在保险、金融服务、电信或电商等数据密集型行业有经验者优先
熟悉生成式AI、LLMs、向量数据库、RAG架构及智能体工作流

AI 洞察

优缺点分析

优点

  • 处于保险科技前沿,接触大量高质量数据及真实商业场景
  • 技术栈先进,涵盖LLM等热门领域
  • 跨国巨头平台,职业背书强,资源支持充足
  • 传统金融行业对新技术的采纳可能存在流程阻力
  • 需平衡创新实验与生产环境的稳定性要求
  • 高层级岗位竞争激烈,对业务影响力要求极高
  • 拥有深厚技术背景且具备管理经验的资深数据科学家,希望在金融科技领域发挥影响力的专家

缺点 / 挑战

暂无明显挑战项

角色解读

  • 可向首席数据科学家(CDO)、人工智能副总裁或数字化转型负责人方向发展
  • 也可转向更广泛的战略咨询或金融科技创业领域
  • 作为技术管理者,主导机器学习模型从开发到生产环境的全生命周期管理
  • 探索并落地生成式AI等新技朮以解决复杂的商业问题
  • 指导团队建立MLOps标准,提升数据科学能力的规模化效应
  • 深厚的机器学习算法功底及Python编程能力
  • 精通MLOps工具链及云平台(AWS/Azure/GCP)
  • 具备生成式AI(LLM/RAG)的前沿技术视野
  • 优秀的跨部门沟通及技术领导力

申请策略

  • 准备具体的案例说明如何协调技术与业务团队
  • 了解保诚近期的数字化战略方向,展现对公司文化的契合度
  • 突出展示从0到1搭建ML系统的完整案例,强调模型上线后的业务指标提升(如ROI、转化率)
  • 详细列出掌握的MLOps工具链及云平台认证
  • 若缺乏生成式AI实战经验,建议快速学习LangChain、Vector DB等框架
  • 加强在保险或金融领域的业务知识储备

面试指南

  • 使用STAR法则(情境、任务、行动、结果)描述项目
  • 重点阐述技术选型理由、遇到的挑战、团队协作方式以及最终量化的业务成果
  • 请分享一个你主导的复杂机器学习项目,你是如何解决业务痛点并确保模型落地的?
  • 你对生成式AI在保险行业的应用有何见解?能否举例说明潜在场景?
  • 如何在一个传统组织中推广和实施MLOps最佳实践?
  • 如何处理模型偏差或伦理问题,特别是在涉及客户隐私的数据场景中?
  • 复习常见的ML算法原理及调优技巧
  • 准备关于LLM应用开发的最新案例

职位点评

薪资福利85
成长发展90
工作生活60
使命价值75

薪资福利

85较高

作为已上市跨国巨头的高级管理岗,薪资水平处于市场高位,福利体系完善,稳定性高。

薪资信号未披露(AI估算:5.0千–8.0万/月)

成长发展

90较高

职位涉及前沿AI技术及MLOps体系建设,技术成长空间大,且公司支持职业抱负,晋升通道清晰。

技术前沿前沿/新兴技术
技术栈Generative AI、LLMs、RAG、MLOps、Python、TensorFlow、PyTorch
成长机会support our people’s career ambitions、Connect, Grow, and Succeed
业务类型profit_center

工作生活

60中等

作为管理层,工作强度可能较高,但JD未明确提及弹性工作制,通常此类岗位需坐班。

工作模式未明确
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值

75中等

公司使命明确指向保护未来和客户福祉,具有积极的社会意义,且通过技术创新提升服务效率。

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partners for every life and protectors for every future、diversity is celebrated and inclusion assured
创新程度积极采用新技术
Watch Jobs