EVE Energy logo
亿纬锂能
AI数据工程师

AI数据工程师

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 2.0–3.5万 · AI 参考估算
中级经验
硕士
全职员工仅现场办公数据工程
数据工程
Nlp
Sql
数据治理
机器学习
统计分析

值不值得投

76综合评分

综合评分 76

上市公司智能制造数据岗,技术栈主流,侧重业务落地,WLB待确认

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

2.8万

比数据工程中位数低

发布情况

新岗位 · 今天发布

职位详情

关于这个职位

负责亿纬锂能制造端的数据治理与分析工作,通过清洗多源数据、构建特征库及深度挖掘关键工艺因子,为AI模型提供高质量输入

同时负责将模型输出转化为可执行的业务洞察与管控建议,助力智能制造优化

最低要求

专业学历:数据科学、统计学、计算机科学等相关专业,硕士及以上学历

知识要求:精通统计学、机器学习及数据挖掘方法论
精通SQL、Python数据科学库
掌握数据可视化工具
技能要求:具备海量数据分析经验
熟悉NLP算法及调优
精通SQL及至少两种分析工具(Python/R/SPSS/SAS)
了解Hadoop/Spark等大数据平台

工作职责

数据治理:整合制造端多源数据,进行数据清洗、预处理与特征工程,构建可复用的特征库

深度分析:统计分析与可视化,挖掘影响一致性的关键工艺因子,为模型提供输入
业务洞察:负责模型输出的业务化解读,转化为可执行的业务语言和管控建议

AI 洞察

优缺点分析

优点

  • 依托上市公司平台,接触真实工业场景的大规模数据,技术落地性强
  • 具备扎实数据功底且对制造业数字化转型感兴趣的技术人才

缺点 / 挑战

  • 需要深入理解制造工艺,跨部门沟通成本较高,对业务洞察力要求高

角色解读

  • 可向高级数据科学家、AI算法专家或智能制造业务负责人方向发展
  • 负责制造端多源数据的清洗、预处理和特征工程,构建可复用的特征库
  • 精通统计学、机器学习及数据挖掘方法论,熟练掌握SQL和Python

申请策略

  • 强调数据如何转化为业务价值,展示从数据到决策的闭环能力
  • 突出海量数据处理经验、特征工程能力及NLP算法应用案例
  • 补充Hadoop/Spark等大数据平台实战经验,提升对制造业工艺流程的理解

面试指南

  • 使用STAR法则(情境、任务、行动、结果),重点描述数据处理的难点、采用的技术手段以及最终带来的业务价值
  • 请分享一个你通过数据治理提升模型效果的实际案例
  • 如何处理制造端多源异构数据中的缺失值和异常值?
  • 如何将复杂的模型输出转化为非技术人员可理解的业务建议?
  • 复习机器学习基础算法及SQL高级查询技巧,准备1-2个完整的项目案例

职位点评

薪资福利80
成长发展85
工作生活60
使命价值70

薪资福利

80较高

作为已上市的跨国巨头企业,提供具有竞争力的薪酬和完善的福利体系,满足补偿性动机。

薪资信号偏高 (2.0千–3.5万/月)

成长发展

85较高

涉及前沿的AI与大数据技术在制造业的应用,技术栈现代,成长空间大。

技术前沿主流现代技术
技术栈Python、SQL、NLP、Hadoop、Spark、机器学习
业务类型cost_center

工作生活

60中等

制造业岗位通常需现场办公,WLB取决于具体团队节奏,JD未明确说明弹性工作制。

工作模式未明确
办公地点工厂/生产基地
加班情况未提及(无法判断)

使命价值

70中等

通过数据驱动提升制造效率和质量,对推动制造业智能化转型具有积极意义。

行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs