滴滴出行
27届秋招-数据分析师
27届秋招-数据分析师
发布于 2 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测试
Agent开发
Numpy
Sql
因果推断
大模型(Llm)
数据科学
统计分析
值不值得投
82综合评分
综合评分 82
前沿技术驱动、高成长潜力、方法论导向的中台数据岗，WLB待确认
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，方便比较职业起点。
薪资怎么样
2.8万
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 2270 个在招 · 其中数据分析与科学 81 个
市场机会
选择面较广
北京 · 数据分析与科学 · 约 520 个在招
职位详情
关于这个职位
负责搭建和优化公司的科学实验评估体系，主导A/B测试与因果推断方法的落地应用
开发评估类产品与分析工具，提升业务决策的数据支撑效率
探索大模型与自动化分析流程的结合，赋能业务团队
最低要求
届毕业生，硕士及以上学历，统计学、数据科学、数学、计算机、计量经济学等相关专业
有数据科学、实验评估或因果分析相关科研、实习经历者优先
具备扎实的概率论与数理统计基础，理解统计检验、回归分析及 AB 实验基本原理
对因果推断与实验科学有浓厚兴趣，了解 DID、SDID、SCM 等方法或有相关项目经历者优先
熟练使用 SQL、Python，熟悉 Pandas、NumPy 等常用数据分析工具，能够完成数据处理、统计分析与方法验证
具备良好的数据敏感度，能结合业务问题清晰表达分析结论
对 AI 与数据科学的结合有强烈好奇心，有使用 ChatGPT、Claude Code 等工具开展分析、编程或搭建工作流的实践
能够核验 AI 生成的代码与结论，对方法适用性和结果正确性保持独立判断
有 Agent、Skill 或自动化分析项目经历者优先
愿意深耕科学评估与中台能力建设，善于将具体问题抽象为可复用的方法
学习主动、诚实严谨，具备良好的沟通协作能力与责任心，乐于通过技术和方法解决实际业务问题
工作职责
科学方法与评估体系建设：参与实验设计、因果推断与科学评估方法的研究、验证和应用，结合业务场景优化分析框架，探索非实验场景的评估路径，沉淀可复用的方法与案例
评估产品与平台落地：参与随机实验、观测性因果推断、异动归因等评估产品建设，将科学方法与实验管理规范转化为平台能力和分析工具，提升业务评估效率与结果可信度
AI 与科学评估融合：探索大模型在实验设计、分析代码生成、结果解读与科学性检查中的应用，参与构建评估类 Skill、Agent 和自动化分析流程
通过方法校验、案例评测与结果核验，提升 AI 分析的准确性、稳定性与可复现性
关键业务评估问题分析：参与公司重要业务线的实验分析与策略效果评估，完成数据处理、方法验证和结果解读
针对无法开展 AB 实验的场景，应用适合的因果推断方法，识别方法假设与结论边界，为业务决策提供依据
科学评估文化建设：参与标准评估流程、操作规范及知识案例建设，协助开展研讨班、圆桌会和业务培训，推广科学实验与因果评估方法，提升业务团队的评估能力
优先资格
有数据科学、实验评估或因果分析相关科研、实习经历者优先
了解 DID、SDID、SCM 等方法或有相关项目经历者优先
有 Agent、Skill 或自动化分析项目经历者优先
AI 洞察
优缺点分析
优点
- 深度接触公司核心业务线的数据评估体系，技术栈高度前沿（因果推断+大模型Agent）
- 依托头部科技企业，拥有海量真实业务场景与高质量数据资源，利于方法论沉淀
- 岗位侧重中台能力建设与科学文化推广，职业护城河深，不易被替代
- 对理论功底与工程落地能力要求极高，需平衡学术严谨性与业务敏捷性
- AI与科学评估交叉领域仍在快速演进，需持续跟进最新研究并保持技术敏锐度
- 跨部门推广评估规范与文化需要较强的沟通协调能力与影响力
- 适合统计学/数据科学背景深厚、热爱钻研底层方法论，且对AI技术落地有强烈兴趣的应届研究者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向首席数据科学家、算法专家或数据科学负责人方向发展，深耕底层方法论
- 转型为专注于AI+数据分析的复合型架构师，主导中台评估平台建设
- 凭借扎实的业务洞察与技术落地能力，逐步晋升为技术团队管理者
- 负责搭建和优化公司的科学实验评估体系，主导A/B测试与因果推断方法的落地应用
- 开发评估类产品与分析工具，将学术方法转化为平台能力，提升业务决策的数据支撑效率
- 探索大模型与自动化分析流程的结合，构建评估类Agent与Skill，赋能业务团队
- 扎实的统计学与概率论基础，熟练掌握SQL、Python及Pandas/NumPy等数据分析工具
- 精通A/B测试原理与DID等因果推断方法，具备严谨的实验设计能力
- 具备AI工具应用能力，能独立验证AI生成代码与结果的可靠性，熟悉Agent开发流程
申请策略
- 提前调研目标业务线的评估痛点，准备1-2个将复杂业务问题抽象为可复用分析框架的案例
- 关注公司对科学评估文化的重视程度，面试中展现严谨务实、乐于分享的沟通风格
- 突出因果推断/A/B测试相关科研项目或实习经历，详细展示数据处理、建模与验证的具体成果
- 强调使用ChatGPT/Claude等AI工具提效的实际案例，说明如何校验AI输出结果的准确性
- 量化分析结论对业务决策的实际影响，体现数据敏感度与业务抽象能力
- 系统复习计量经济学与实验设计理论，动手实践DID/SCM等经典方法的代码实现
- 熟悉LangChain或主流Agent框架，尝试搭建简单的自动化数据分析Demo
- 加强SQL复杂查询与Python性能优化训练，提升大规模数据处理效率
面试指南
- 采用STAR法则结构化回答项目经历，重点突出问题定义、方法选型依据、验证过程与业务价值
- 针对实验设计问题，从样本随机化、指标选择、显著性检验、异质性分析、监控周期等维度展开
- 针对AI校验问题，强调规则引擎约束、人工复核机制、多模型交叉验证与业务逻辑一致性检查的组合策略
- 请分享一个你运用因果推断解决实际问题或科研项目的完整过程，遇到的最大挑战是什么？
- 如何设计一个严格的A/B测试实验？需要注意哪些潜在偏差与长尾效应？
- 大模型在数据分析中容易产生幻觉，你如何设计机制来校验其输出结果的准确性与可复现性？
- 面对无法开展AB实验的业务场景，你会如何选择和应用合适的因果推断方法？
- 深入复习统计检验、回归分析与常见因果推断模型的数学推导与适用边界，确保理论基础扎实
职位点评
薪资福利85
成长发展92
工作生活65
使命价值78
薪资福利
85较高
一线科技企业校招通常提供具有竞争力的起薪与完善的福利体系，对薪酬稳定性与综合保障有较好满足。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
92较高
岗位深度融合前沿的因果推断与大模型技术，提供清晰的科研到工程落地的成长路径，技术视野与专业壁垒积累空间极大。
技术前沿前沿/新兴技术
技术栈因果推断、A/B测试、大模型、Agent、Python、SQL
业务类型profit_center
工作生活
65中等
核心研发岗通常节奏较快，但岗位侧重方法论建设与中台赋能，相对纯业务执行岗可能在WLB上有一定缓冲空间。
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
78中等
致力于推动公司科学评估文化建设，通过严谨的方法论提升业务决策质量，具有较强的专业使命感与行业正向价值。
行业发展稳定成熟行业
社会影响中性/一般
使命信号科学评估文化建设、提升业务团队的评估能力
创新程度积极采用新技术
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs