滴滴出行
AI数据产品专家
AI数据产品专家
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公AI产品经理
AI产品经理
Ai Agent
Llm
Rag
Semantic Layer
Sql
Text2Sql
指标体系
数据产品
数据基建
值不值得投
78综合评分
综合评分 78
头部平台核心业务线、前沿AI数据产品方向、技术成长空间大，但工作强度可能较高。
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
5.5万
比AI产品经理中位数高
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 1170 个在招 · 其中AI产品经理 7 个
市场机会
选择面较广
北京 · AI产品经理 · 约 150 个在招
职位详情
关于这个职位
负责滴滴外卖业务智能数据产品及AI Agent的整体规划与体系建设，推动数据底座与语义层迭代
深挖全链路数据消费需求，对接公司级AI平台，推动LLM技术在业务场景的落地，并建立质量保障体系以量化驱动产品优化
最低要求
产品与数据基建经验：5 年以上数据产品或数据平台建设经验，主导过数据语义层（Semantic Layer）、指标平台或数据资产产品化（0→1 或重大升级）的完整项目
AI Agent 落地实践：具备 1 年以上数据分析型 AI 产品/Agent 的设计与实操经验，精通 Prompt 策略、工作流编排及 AI 工具调用的产品化落地
业务与数据理解力：熟悉外卖/本地生活/高频交易类业务，对其数据模型、指标体系及各层级（运营、商分、城市管理）的数据消费诉求有深刻认知
数据与技术功底：精通 SQL，具备强大的数据表结构理解与校验能力，能与数仓、算法及工程团队开展深度对话与技术方案沉淀
系统抽象与复杂协同：具备优秀的需求抽象力与跨部门拉通能力，能在复杂业务环境与 AI 技术演进中快速确定产品边界并推动落地
工作职责
产品规划与路线升级：负责外卖业务智能数据产品及 AI Agent 的整体规划与体系建设
定义数据检索、指标消费、异动归因与决策辅助的产品演进路线，推进数据资产的产品化与标准化
数据底座与语义层建设：推动外卖核心数据基建与横向数据能力的迭代
主导统一指标体系、语义层（Semantic Layer）及 Agent 任务编排引擎的建设，确保底层数据治理、口径一致性与高性能供给
全场景数据消费覆盖：深挖外卖业务（交易、履约、补贴、供给等）全链路，将数据消费需求抽象为标准化产品能力，覆盖即时取数、监控告警、自动化分析、策略推送等多样化数据消费场景
平台协同与 POC 落地：作为业务侧核心 POC，对接公司级 AI 平台与技术中台，推动先进 LLM 技术（如 Text2SQL、RAG、Function Calling）在业务端的联合共建与场景化落盘
服务质量与价值度量：建立数据产品与 Agent 能力的评测与质量保障体系（数据准确率、意图解析率、采纳率及人效提升度），以量化指标驱动产品全生命周期优化
AI 洞察
优缺点分析
优点
- 处于AI与数据结合的前沿领域，能积累大模型落地核心业务的宝贵经验，提升个人稀缺竞争力
- 外卖业务场景复杂、数据量大，能极大锻炼数据抽象、系统架构与复杂问题解决能力
- 依托头部平台充足的资源与技术中台支持，有利于推动跨部门大型项目落地与影响力建设
- 需要同时具备深厚的数据基建功底和前沿的AI技术理解力，技术跨度大，学习曲线陡峭
- 跨部门协同复杂，需对接业务、数仓、算法及AI中台，沟通成本高，推动落地难度大
- 适合具备扎实数据产品背景，且对大模型、AI Agent有浓厚兴趣和实操经验，渴望在复杂业务场景中推动AI落地的资深产品人
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI数据产品总监、业务线数据产品负责人方向发展，统筹更大范围的数据与AI战略
- 深耕AI+数据领域，成为行业顶尖的AI数据产品专家，引领大模型在复杂业务场景的落地创新
- 负责外卖业务智能数据产品及AI Agent的整体规划，定义数据检索、指标消费等产品的演进路线
- 推动数据底座与语义层建设，主导统一指标体系及Agent任务编排引擎的落地
- 对接公司级AI平台与技术中台，推动Text2SQL、RAG等LLM技术在业务场景的联合共建与落盘
- 建立数据产品与Agent能力的评测体系，通过数据准确率、采纳率等量化指标驱动产品优化
- 具备5年以上数据产品或数据平台建设经验，有语义层或指标平台从0到1建设的完整项目经历
- 具备1年以上数据分析型AI产品/Agent的设计与实操经验，精通Prompt策略及工作流编排
- 精通SQL，熟悉外卖/本地生活业务的数据模型与指标体系，能与数仓、算法团队深度对话
- 具备优秀的需求抽象力与跨部门协同能力，能在复杂业务环境中快速确定产品边界
申请策略
- 深入了解滴滴外卖业务的最新发展及数据中台建设情况，思考AI Agent在其中的切入点
- 准备一个完整的AI数据产品从规划到落地的复盘案例，重点突出踩坑经验与解决方案
- 突出数据语义层、指标平台从0到1的建设经验，强调数据资产产品化与标准化的成果
- 详细阐述AI Agent或数据分析型AI产品的落地案例，量化展示准确率、采纳率及人效提升等指标
- 展示对外卖/本地生活业务数据模型的深刻理解，以及如何将复杂业务诉求抽象为标准化产品能力
- 深入学习大模型应用开发框架及RAG、Text2SQL等前沿技术的最新进展与业界最佳实践
- 提升复杂业务场景下的需求抽象与系统架构设计能力，强化跨团队沟通与项目推动技巧
面试指南
- STAR法则：情境（业务痛点）-任务（产品目标）-行动（技术方案与产品策略，如语义层设计、Agent编排）-结果（量化指标，如采纳率、人效提升）
- 对比分析法：在回答技术选型或方案设计时，对比传统方案与AI方案的优劣，突出AI方案在效率、成本或体验上的增量价值
- 请分享一个你主导的数据语义层或指标平台从0到1建设的完整案例，遇到了哪些挑战？
- 在AI Agent落地过程中，你是如何设计Prompt策略和工作流编排的？如何评估其准确率？
- 外卖业务中，如何将复杂的交易、履约数据消费需求抽象为标准化产品能力？
- Text2SQL或RAG在实际业务中落地时，最大的痛点是什么？你是如何解决的？
- 深入体验或调研滴滴外卖及竞品的数据产品形态，思考现有产品的不足及AI赋能的改进空间
- 复习大模型在数据分析领域的最新应用论文或开源项目（如Data-Copilot），保持技术敏锐度
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
该岗位为资深专家级，薪资福利具备较强市场竞争力，能满足对高薪酬的追求。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
90较高
岗位聚焦AI Agent与数据底座建设，处于技术前沿，能极大提升个人在AI+数据领域的稀缺能力。
技术前沿前沿/新兴技术
技术栈AI Agent、Semantic Layer、Text2SQL、RAG、Function Calling、LLM、SQL
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB信息，但作为核心业务线的资深专家岗，工作强度可能较大。
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
75中等
推动AI技术在本地生活核心业务的落地，具有较高的业务价值和技术创新意义。
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