阿里巴巴
千问事业部-数据挖掘工程师-北京
千问事业部-数据挖掘工程师-北京
发布于 大约 8 小时前普通员工/个人贡献者
全职员工仅现场办公数据分析与科学
数据分析与科学
Dataworks
Id-Mapping
图算法
机器学习
深度学习
用户画像
值不值得投
71综合评分
综合评分 71
技术前沿、业务核心，但工作强度可能较大。
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。
薪资怎么样
40K
比数据分析与科学中位数低
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 2090 个在招 · 其中数据分析与科学 7 个
市场机会
选择面较广
北京 · 数据分析与科学 · 约 1390 个在招
职位详情
关于这个职位
作为阿里巴巴千问事业部数据挖掘工程师，你将负责构建公司级ID-Mapping体系，开发用户画像与标签系统，并推动算法模型的大规模工程化落地
你将深度参与千亿级数据仓库建设，直接赋能广告商业化决策与内容运营增长，是数据技术团队的核心成员
最低要求
教育背景：计算机、数学、统计学或相关专业本科及以上学历
经验要求：具有3年以上相关工作经验，有大型互联网公司数据科学或算法工程经验者优先
有广告系统、DMP平台落地经验者优先
算法能力：熟悉常用的机器学习算法（LR, GBDT, XGBoost, RF等）及深度学习框架，有图算法(Label Propagation、Connected Components、GraphSAGE等)工程实践经验者优先
工程能力：编码能力强，能熟练应用SQL，掌握Java/Scala/Python其中至少一种语言
熟悉大数据生态(Spark/Hadoop/Hive)，熟悉及掌握阿里云DataWorks/MaxCompute等大数据技术平台的技术原理和应用者优先，有Flink实时计算开发经验者优先，熟悉图数据库使用者优先
业务思维：具备良好的数据敏感度和业务理解力，能从业务痛点出发进行技术选型，具备将技术价值转化为业务价值的能力
软性素质：工作认真负责，有快速学习的能力，热爱数据工作，主动积极，有好奇心
具备优秀的跨团队沟通协作能力，能独立推动复杂项目落地
工作职责
ID-Mapping体系构建与优化：负责设计并搭建公司级ID-Mapping架构，利用图计算、概率统计模型等技术，持续提升ID-Mapping数据的准确率与覆盖率
用户画像与标签体系建设：负责用户标签体系的规划与开发，包括基础属性标签、行为统计标签及算法预测标签
挖掘高价值特征，利用机器学习/深度学习模型优化标签生产的精准度，推动标签在业务场景下的有效应用与反馈闭环
算法落地与工程化实现：负责相关算法模型的大规模工程化落地，优化离线/实时计算任务的性能，确保ID-Mapping、画像数据的产出时效性（支持T+1及准实时）
优先资格
有广告系统、DMP平台落地经验者优先
有图算法工程实践经验者优先
熟悉阿里云DataWorks/MaxCompute等大数据技术平台者优先
有Flink实时计算开发经验者优先
熟悉图数据库使用者优先
AI 洞察
优缺点分析
优点
- 覆盖离线、实时、算法挖掘全栈技术，个人技术成长空间大
- 数据直接赋能广告商业化，业务价值感强，职业成就感高
- 工作可能涉及跨团队协作，需要较强的沟通和推动能力
缺点 / 挑战
- 深度参与千亿级数据仓库建设，技术挑战大，能积累大规模数据处理经验
- 对算法和工程能力要求高，需同时掌握多种技术栈，学习压力较大
- 数据时效性要求高，可能面临一定的加班压力
- 适合对数据挖掘和算法工程有热情，具备扎实技术基础，并希望在大型互联网平台挑战复杂数据问题的工程师
角色解读
- 在数据挖掘领域深耕，成为ID-Mapping和用户画像方向的专家，主导核心数据体系建设
- 向数据科学团队负责人方向发展，带领团队负责数据链路和算法工程化
- 横向拓展至广告、内容等业务领域，成为数据驱动业务增长的核心决策者
- 负责设计并搭建公司级ID-Mapping架构，利用图计算和概率统计模型提升数据准确率与覆盖率
- 规划并开发用户标签体系，包括基础属性、行为统计和算法预测标签，并优化标签生产的精准度
- 推动机器学习/深度学习模型的大规模工程化落地，优化离线/实时计算性能，确保数据产出时效性
- 扎实的机器学习算法基础，熟悉LR、GBDT、XGBoost等常用模型，并有深度学习框架使用经验
- 熟练掌握SQL，至少精通Java、Scala、Python中的一种，熟悉大数据生态如Spark、Hadoop、Hive
- 具备图算法工程实践经验，如Label Propagation、GraphSAGE等，并了解图数据库
- 较强的业务理解力和数据敏感度，能从业务痛点出发进行技术选型并推动落地
申请策略
- 了解阿里巴巴数据技术团队的业务方向，在面试中展示对广告和内容业务的理解
- 准备项目案例，突出从业务问题到技术方案的完整思路
- 突出ID-Mapping、用户画像或广告系统相关项目经验，强调技术方案和业务效果
- 展示机器学习、图算法等实际应用案例，量化模型效果提升
- 强调大数据平台使用经验，特别是Spark、Flink、DataWorks等，并体现工程化能力
- 补充图算法和深度学习框架的实践，如GraphSAGE、PyTorch等
- 熟悉阿里云DataWorks和MaxCompute平台，了解其原理和应用
- 提升实时计算能力，掌握Flink开发
面试指南
- 采用STAR法则：情境-任务-行动-结果，突出技术方案和业务影响
- 强调数据驱动决策，展示从数据洞察到技术选型的逻辑
- 体现跨团队协作和推动能力，说明如何解决实际困难
- 请介绍一个你主导的ID-Mapping或用户画像项目，如何设计架构并评估效果？
- 如何优化大规模ID-Mapping的准确率和覆盖率？
- 在实时计算场景下，如何保证数据时效性和准确性？
- 如何将机器学习模型落地到生产环境，并持续优化？
- 如何与业务团队协作，将数据技术转化为业务价值？
职位点评
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利
75中等
阿里巴巴作为大型互联网公司，薪资水平具有竞争力，但JD未明确具体薪资和福利，需在面试中确认。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
职位涉及前沿技术（图算法、深度学习）和全栈技术场景，提供千亿级数据仓库建设机会，成长空间大。
技术前沿前沿/新兴技术
技术栈ID-Mapping、图算法、机器学习、深度学习、Flink、Spark
成长机会全栈技术场景、技术发挥空间充足
业务类型profit_center
工作生活
40较低
JD未提及工作模式和加班情况，但互联网公司通常工作强度较大，且地点在北京，通勤可能较长。
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
70中等
数据赋能广告商业化，业务价值感强，但社会影响力中性。
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