阿里巴巴
淘天集团-数据科学专家-杭州
淘天集团-数据科学专家-杭州
发布于 大约 3 小时前普通员工/个人贡献者
杭州市
专家级经验
全职员工
仅现场办公
本科
数据科学
Llm
Rag
Sql
Uplift Modeling
因果推断
时序预测
AI 估算 · 45k–65k
阿里电商业态核心数据科学岗，要求5年+经验且涉及前沿AI，月薪估算45-65k，16薪。
职位详情
关于这个职位
作为淘天集团的数据科学专家，你将聚焦科学度量与AI决策，基于LLM和Agent架构构建AAAS能力，应用于用户增长、搜索推荐、营销策略等核心场景
同时主导MASS方法论体系建设和KASS知识库建设，推动全域科学决策标准落地，是兼具技术深度与业务影响力的关键角色
最低要求
统计学、数学、计算机、运筹学、经济学等相关专业本科及以上学历，5年以上头部互联网公司数据科学、算法或 AI 应用研发经验，具备电商、广告、推荐系统或用户增长背景者优先
精通 A/B Testing 全流程管理和复杂实验方案设计，熟练掌握多种因果推断方法，具备在大促、价格策略等非实验场景下进行离线因果评估的实战经验
扎实掌握机器学习与建模技术，包括时序预测（Prophet/DeepAR）、Uplift、图神经网络、多目标优化等，能结合业务目标完成特征工程、模型调优与效果验证
熟悉 LLM 应用开发范式，有 LangChain / LlamaIndex / Semantic Kernel 等框架实战经验，深入理解 Prompt Engineering、RAG、Function Calling / Tool Use、Agent 规划与记忆机制
有 Data Agent、自动化分析报告或策略生成系统落地经验者优先
精通 Python 和 SQL，代码风格良好，具备将分析能力产品化为可复用 Skill 或服务接口的工程意识
逻辑严谨、业务洞察力强，善于从商业本质出发定义问题并推动跨团队协作
工作职责
聚焦“科学度量 + AI 决策”，基于 LLM + Agent 架构，构建 AAAS（Agent as a Service）能力，在用户增长、搜索推荐、营销策略、行业运营、广告商业化等核心场景中，打造从语义理解、分析洞察、科学评估和策略输出的A2A解决方案帮助业务核心指标增长
主导 MASS（Method as a Service）体系建设，将实验分析、因果推断（PSM/DID/SCM/Causal Forest）、时序预测、波动归因、Uplift Modeling、Lookalike、流量仿真等经典数科方法论封装为标准化、可复用的计算引擎与 API 服务，提供高置信度的离线评估与在线诊断能力
负责 KASS（Knowledge as a Service）数科知识库建设，沉淀业务语义、分析标准、方法选型、策略生成，构建结构化向量知识库与领域知识图谱，攻克复杂实验场景下的因果识别难题，优化 RAG 检索效果，为上层 Agent 提供准确、可解释、可追溯的推理依据
推动全域科学决策标准落地，主导淘天统一的数据口径、实验设计规范、方法选型与策略推全标准和机制建设
优先资格
加分项：参与过 LLMOps 平台或 AI Agent 中台建设
发表过因果推断、推荐系统或 LLM 应用相关论文
有从 0 到 1 构建数据分析 Agent 并产生显著业务收益的成功案例
AI 洞察
优缺点分析
优点
- 参与核心电商业务，直接驱动业务增长，工作影响力大
- 技术栈前沿，涉及LLM、Agent、因果推断等，个人技术提升快
- 阿里平台资源丰富，数据量大，方法论沉淀完善，能接触复杂业务场景
- 工作强度大，互联网大厂节奏快，可能需要应对复杂业务和跨团队协作
- 技术迭代快，需要持续学习，保持前沿敏感度
缺点 / 挑战
- 对综合能力要求高，既要懂算法又要懂工程，还要有商业洞察，压力不小
- 适合有多年数据科学经验、热爱技术挑战、希望在电商核心场景中应用AI技术驱动业务增长的高阶人才
角色解读
- 向数据科学领域专家或AI Agent方向深入发展，成为团队技术带头人
- 可横向扩展到算法平台、AI中台建设等方向，或转向业务策略管理
- 在阿里体系内，资深专家可向P8/P9级别发展，管理或技术双通道
- 构建AAAS（Agent as a Service）能力，利用LLM+Agent架构解决用户增长、搜索推荐等场景中的科学度量与AI决策问题
- 主导MASS体系建设，将因果推断、时序预测等方法封装为标准化API服务，提供离线评估与在线诊断能力
- 负责KASS知识库建设，构建结构化向量知识库与知识图谱，优化RAG检索效果，为Agent提供推理依据
- 推动全域科学决策标准落地，统一数据口径、实验设计规范、方法选型与策略推全机制
- 扎实的统计学、因果推断基础，精通A/B Testing全流程与复杂实验设计
- 掌握机器学习建模技术，包括时序预测、Uplift、图神经网络、多目标优化等
- 熟悉LLM应用开发，掌握LangChain等框架，理解Prompt Engineering、RAG、Agent规划与记忆机制
- 精通Python和SQL，具备将分析能力产品化为可复用服务接口的工程意识
申请策略
- 投递时附上个人技术博客或GitHub，展示技术深度和项目经验
- 提前了解淘天业务场景，思考数据科学如何与AI Agent结合，面试时展现业务洞察
- 突出5年以上数据科学或算法经验，尤其是电商、广告、推荐系统或用户增长背景
- 重点展示因果推断实战项目，特别是非实验场景的离线评估案例
- 强调LLM应用开发经验，如LangChain/RAG/Agent项目，以及从0到1构建Agent的成果
- 如有相关论文或专利，务必列出
- 补充LLM Agent开发实践，熟悉LangChain等框架，理解Agent规划与记忆机制
- 强化因果推断方法在复杂业务场景中的应用，如DID、SCM等
面试指南
- 用STAR法则，强调业务背景、技术选型、难点攻克和最终量化效果
- 突出业务价值和技术深度
- 请讲一个你主导的因果推断项目，是如何处理选择偏差的？
- 如何设计一个复杂实验（如大促场景下）来评估策略效果？
- 你在LLM Agent项目中如何解决RAG检索准确性问题？
- 如何将数科方法论产品化为API服务？遇到过哪些挑战？
- 如何向非技术背景的业务方解释因果推断结果并推动决策？
- 准备1-2个完整的项目案例，涵盖问题定义、方法、工程实现和业务收益
职位点评
75
综合评分
阿里核心电商场景的资深数科专家，前沿AI技术栈，高薪但强度大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最适合高度追求技术成长和成就感、能适应高强度工作的资深数据科学家。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活40
使命价值75
薪资福利
80较高
阿里巴巴薪资水平较高，福利完善，但JD未明确具体薪资，因此给予较高但非满分。
薪资信号未披露（AI估算：45K-65K/月）
成长发展
95较高
技术前沿，涉及LLM+Agent+因果推断，有大量成长空间，且主导体系建设，发展性极强。
技术前沿前沿/新兴技术
技术栈LLM、Agent、因果推断、RAG、LangChain、时序预测、Uplift Modeling
业务类型profit_center
工作生活
40较低
互联网大厂工作强度大，JD未提及WLB，且要求主导多个体系，可能需要加班。
工作模式仅现场办公
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
驱动电商业务增长，技术含量高，有行业影响力，但社会价值中性。
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
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs