滴滴出行
IBG Fintech-金融策略模型实习生（3）
IBG Fintech-金融策略模型实习生（3）
发布于 3 小时前实习/见习
实习生仅现场办公数据分析与科学
数据分析与科学
R语言
Sas
Sql
反欺诈
数据挖掘
机器学习
风险控制
值不值得投
70综合评分
综合评分 70
互联网大厂实习、侧重数据风控技能成长、工作节奏可能较快
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，方便比较实习机会。
薪资怎么样
1.0千
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 2350 个在招 · 其中数据分析与科学 82 个
市场机会
选择面较广
北京 · 数据分析与科学 · 约 510 个在招
职位详情
关于这个职位
作为滴滴金融策略模型实习生，你将利用数据分析和挖掘技术，设计并优化营销反作弊、欺诈等风险安全策略
你需要平衡支付体验与风险控制，并与跨部门团队合作建设风险引擎中台能力，保障业务健康发展
最低要求
统招本科及以上学历，计算机、数学、统计学、管理科学等相关专业
熟练使用至少一种分析工具，如 SQL、SAS、Python、R 等，熟练掌握数据挖掘/机器学习算法者尤佳
有一定AI使用经验更好
工作职责
基于历史数据和专家经验，基于数据分析、挖掘，设计针对营销反作弊、盗用、欺诈等风险的安全策略且持续优化
平衡支付体验的便捷和风险控制，设计、实施、监控风险-收益最优化的安全策略，保障业务健康发展
与数据、产品、技术团队深度合作，建设风险引擎中台能力
优先资格
有风险策略/数据挖掘/机器学习等相关工作经验者优先，行业包括第三方支付、信用卡机构、卡组织、信贷、互联网等
AI 洞察
优缺点分析
优点
- 依托滴滴出行庞大的交易数据场景，能接触到真实且复杂的金融风控问题
- 对金融科技感兴趣，具备扎实数据分析基础，喜欢解决复杂逻辑问题的学生
缺点 / 挑战
- 需要平衡用户体验与风险控制，策略设计对业务影响直接，压力较大
角色解读
- 可向高级风控策略专家、数据科学家或金融科技产品经理方向发展，深入理解金融风控体系
- 利用SQL、Python等工具进行数据挖掘和分析，识别营销反作弊、盗用及欺诈风险
- 掌握数据挖掘和机器学习算法，熟悉至少一种分析工具（SQL/SAS/Python/R），具备一定AI应用经验
申请策略
- 关注滴滴出行的金融科技业务动态，了解当前行业内的风控热点和挑战
- 突出数据挖掘项目经历，展示使用SQL/Python解决实际问题的能力，强调对风控领域的理解
- 复习机器学习经典算法在风控中的应用（如异常检测、分类模型），了解常见的反欺诈手段
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出数据清洗、特征工程、模型选择及效果评估过程
- 请介绍一个你做过的相关的数据挖掘或风控项目
- 如何定义和检测营销刷单行为？
- SQL查询中如何处理空值或重复数据？
- 机器学习模型在风控中的评估指标有哪些？
- 准备1-2个完整的数据分析案例，复习SQL常用函数和机器学习基础理论，了解金融风控基本概念
职位点评
薪资福利70
成长发展85
工作生活50
使命价值65
薪资福利
70中等
作为已上市巨头企业的实习岗位，通常提供符合市场水准的实习津贴和规范的福利保障，稳定性较高。
薪资信号未披露（AI估算：0.4–0.6千/月）
成长发展
85较高
岗位涉及前沿的风控策略设计和机器学习应用，能提供宝贵的实战经验和技能成长机会。
技术前沿主流现代技术
技术栈数据挖掘、机器学习、SQL、Python、AI
业务类型profit_center
工作生活
50较低
互联网大厂实习通常节奏较快，JD未明确提及弹性工作制，可能面临一定的工作强度。
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
65中等
通过构建安全策略保障业务健康发展和用户资金安全，具有一定的社会价值和职业使命感。
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