阿里巴巴
业务技术-数据科学家-交易数据科学
业务技术-数据科学家-交易数据科学
发布于 9 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
A/B实验
Llm
Sql
业务洞察
因果推断
机器学习
电商
值不值得投
76综合评分
综合评分 76
技术深度高、业务价值强、AI前沿探索，但WLB信息不明确，适合进取型技术人才。
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
33K
与数据分析与科学中位数基本持平
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 2760 个在招 · 其中数据分析与科学 8 个
市场机会
选择面较广
杭州 · 数据分析与科学 · 61 个在招
职位详情
关于这个职位
作为阿里巴巴淘天集团的数据科学家，你将深入交易全链路，负责监控指标体系搭建、异常分析与增长机会挖掘
你将运用因果推断等高级统计方法评估策略效果，并推动“感知-认知-决策-执行”的Agentic Workflow在数据科学场景落地，通过构建数据集和评测链路来优化手淘购物助手等AI应用，最终驱动产品与业务迭代，实现数据洞察到商业价值的闭环
最低要求
统计学、应用数学、计算机、经济学、运筹学或相关专业本科及以上学历
精通 SQL、Python/R 等数据分析工具，具备高效处理海量交易数据的能力
扎实的统计学基础，深刻理解因果推断（Causal Inference）理论
熟悉至少一种主流因果推断框架（如 CausalML, DoWhy, EconML 等）或有实际落地经验者优先
熟练掌握常用机器学习算法，并能区分预测模型与因果模型的应用边界
-5 年互联网大厂数据分析、数据科学或算法相关经验
有电商交易链路、营销策略评估、广告归因或用户增长领域经验者优先
具备完整的 A/B 实验全流程管理经验，或在观察性数据中进行因果效应估计实战经验者极佳
能够敏锐捕捉交易链路中的关键变量，具备良好的逻辑思维能力和沟通表达能力
结果导向：不仅能产出分析报告，更能推动分析结论在业务侧落地，具备优秀的跨部门协作能力
AI 相关经验（加分项）：具备一定的数据分析类 Agent/Skill 或者 LLM 后训练（数据预处理、Prompt 工程、模型微调）的实践经验尤佳
工作职责
交易链路数据分析：深入理解淘系交易全链路（浏览-加购-下单-支付-售后）的业务逻辑，搭建并迭代核心监控指标体系
通过多维数据挖掘，识别交易转化漏斗中的异常波动、增长机会点及用户行为规律，为业务提供可落地的策略建议
AB 实验与因果推断：理解科学实验体系，以及对应的归因分析思路和方法，有效影响业务产品迭代判断
熟悉双重差分(DID)、倾向得分匹配(PSM)、合成控制法(SCM)等因果推断方法，解决非实验场景下的策略效果评估难题
数科Skill研发：推动“感知-认知-决策-执行”的 Agentic Workflow 落地，沉淀可复用的“技能库（Skill Set）”，包括不限于实验分析skill、异动归因skill等，提升团队整体工程效率
Agent数据合成与评测：参与手淘购物助手优化，构建高质量数据集提升大模型推理效果，构建基于LLM-as-a-Judge的在线评测链路实现Agent执行效果的度量与归因
作为业务伙伴，将模糊的业务痛点转化为严谨的数据科学问题
基于分析结论，驱动产品功能迭代、运营策略调整或算法模型优化，并对业务 ROI 负责，实现从“数据洞察”到“业务价值”的闭环
优先资格
AI 相关经验：具备一定的数据分析类 Agent/Skill 或者 LLM 后训练（数据预处理、Prompt 工程、模型微调）的实践经验尤佳
AI 洞察
优缺点分析
优点
- 技术深度与业务价值结合紧密，能直接影响核心商业指标
- 在AI与数据科学交叉领域（Agentic Workflow）有前沿探索和落地机会
- 阿里平台提供丰富的技术资源和跨部门协作机会
- 电商业务逻辑复杂，需要快速深入理解并转化为数据问题
- 对因果推断和实验分析能力要求极高，技术深度要求大
- 大平台业务迭代快，数据科学工作需要快速响应业务变化
- 适合对电商交易领域有浓厚兴趣，希望将高级统计方法和AI技术应用于解决复杂业务问题，具备强逻辑思维和业务推动力的数据科学从业者
缺点 / 挑战
- 可接触电商全链路海量数据与复杂业务场景，技术挑战性强
- 作为业务伙伴需强推力推动分析结论落地，可能面临跨部门协作挑战
角色解读
- 深耕领域专家：成为电商交易或特定业务域（如营销、用户增长）的数据科学专家
- 技术管理方向：带领小团队负责复杂的数据科学项目或平台建设
- 前沿技术融合：深入探索大模型与数据科学的结合，引领业务创新方向
- 监控与分析电商交易全链路数据，搭建指标体系并识别增长机会
- 运用因果推断等高级统计方法，在非实验场景评估业务策略效果
- 推动AI Agent技术在数据科学工作流中的落地，优化手淘购物助手等产品
- 扎实的统计学与因果推断理论基础，能熟练应用相关方法
- 精通SQL、Python/R，具备处理和分析海量交易数据的能力
- 深刻理解电商业务逻辑，能将业务问题转化为数据科学问题并驱动落地
- 具备AI/LLM相关实践经验，如数据合成、评测或Agent开发
申请策略
- 深入研究淘天集团的核心业务（如淘宝、天猫）的最新战略和挑战
- 在面试中展示如何将模糊业务需求转化为严谨数据问题的思考过程
- 准备关于数据科学如何直接驱动业务ROI的具体案例
- 突出在电商/交易链路、营销策略或用户增长领域的数据分析项目经验
- 详细阐述使用因果推断方法（如DID、PSM）解决实际业务问题的案例
- 展示与AI/LLM结合的实践经验，如构建数据集、评测链路或Agent应用
- 强调推动数据结论在业务中落地的具体成果和跨部门协作经验
- 系统学习并实践主流因果推断框架（如DoWhy、EconML）
面试指南
- 对于分析类问题，采用“背景-方法-挑战-结果-价值”的结构，重点突出技术方法的严谨性和业务价值
- 对于技术概念问题，先清晰定义，再结合实际场景举例，展现理论与实践结合的能力
- 对于跨部门协作问题，强调沟通理解、共同目标设定以及推动落地的具体行动
- 请描述一个你负责的、涉及交易链路分析的复杂项目，你是如何搭建指标体系并发现增长机会的？
- 请解释双重差分（DID）方法的原理和适用场景，并举例说明你如何使用它评估一个非实验性的策略效果
- 你如何理解“Agentic Workflow”在数据科学工作中的应用？你认为可以沉淀哪些“Skill”？
- 描述一个你作为业务伙伴，将模糊的业务问题转化为数据科学问题并推动落地的经历
- 对于提升大模型（如LLM）在购物助手场景的推理效果，你在数据合成与评测方面有哪些思路？
职位点评
薪资福利78
成长发展92
工作生活55
使命价值70
薪资福利
78中等
作为大型上市公司的技术岗位，预计薪资福利在杭州市场具有较强竞争力。
薪资信号偏高 (2.5–4万/月)
成长发展
92较高
职位要求高阶统计与AI技能，涉及前沿的Agentic Workflow，技术成长空间大，且直接参与核心电商业务，发展性强。
技术前沿前沿/新兴技术
技术栈因果推断、CausalML、DoWhy、EconML、LLM、Agent、A/B实验
成长机会推动...落地、沉淀可复用的...技能库、提升团队整体工程效率、驱动...迭代、实现从...到...的闭环
业务类型profit_center
工作生活
55较低
JD未明确工作模式与WLB政策，作为核心业务技术岗，工作节奏可能较快。
工作模式未明确
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
70中等
岗位通过数据科学直接驱动电商核心交易链路优化，产生明确的商业价值，但行业属于成熟赛道。
行业发展稳定成熟行业
社会影响中性/一般
使命信号实现从‘数据洞察’到‘业务价值’的闭环、对业务 ROI 负责
创新程度积极采用新技术
Watch Jobs