QQ-AI数据科学家

优缺点分析

角色解读

• 向AI数据科学专家方向发展，成为Agent开发与数据分析的复合型人才
• 可晋升为数据科学团队的技术负责人或管理层，负责更大范围的业务分析
• 未来可转向AI产品、AI Infra等前沿方向，拓宽职业边界
• 负责社交、内容、广告等多业务线的数据指标体系搭建与异动归因分析，输出业务洞察
• 基于LLM和MCP协议开发数据分析AI Agent，将选表、SQL生成、执行、解读全流程自动化
• 将分析经验沉淀为知识库、模板和指标口径，提升团队整体效率
• 对接多个业务方，管理需求优先级，将模糊问题转化为可执行的分析方案
• 扎实的SQL和统计分析能力，能独立完成从选题、拆解到验证的完整分析流程
• 熟悉LLM、MCP、Function Calling、RAG等大模型应用技术，理解其原理和适用场景
• 具备Agent开发经验，能够设计任务分解、工具调用、异常处理链路
• 有推荐、内容、社交或商业化领域的业务背景，能快速理解业务问题

申请策略

• 关注腾讯AI方向的技术博客和开源项目，了解团队现有技术栈和成果
• 准备一个能体现你Agent设计思路的项目介绍，突出对边界和局限的思考
• 突出数据分析项目经验，特别是AB实验、异动归因、用户增长等案例，量化结果和业务影响
• 如果有Agent开发或LLM应用经验，详细描述技术架构、实现细节和应用效果
• 强调同时对接多个业务团队的经历，展示需求管理和优先级排序能力
• 展示SQL和统计分析的扎实基础，如复杂SQL优化、统计检验方法等
• 学习MCP协议和Function Calling，动手搭建一个简单的Agent demo（如SQL问答机器人）
• 掌握RAG技术原理，了解其在数据分析场景中的应用

面试指南

• 用STAR结构回答项目问题，突出关键决策、挑战和量化结果
• 对于Agent设计问题，从任务拆解、工具调用、错误处理、评估反馈几个维度展开，并诚实地讨论局限
• 需求管理问题强调沟通方法论（如需求价值评估、影响范围分析）和清晰的优先级标准
• 请介绍一个你独立完成的数据分析项目，如何选择指标和验证结论？
• 你如何理解Agent在数据分析场景中的边界？哪些任务适合Agent，哪些不适合？
• 请设计一个基于LLM的SQL生成Agent，如何处理SQL准确性问题和异常情况？
• 当多个业务方同时提出需求且资源有限时，你如何确定优先级？
• 你如何将分析经验沉淀为知识库？请举一个具体例子