滴滴出行
数据科学专家
数据科学专家
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科学
数据科学
Llm
Machine Learning
Scikit-Learn
Sql
值不值得投
78综合评分
综合评分 78
滴滴国际化核心数据科学岗，技术栈前沿，成长空间大，业务赋能导向明确。
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
4.5万
比数据科学中位数高
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 1160 个在招 · 其中数据科学 6 个
市场机会
选择适中
上海 · 数据科学 · 27 个在招
职位详情
关于这个职位
该职位隶属滴滴国际化数据科学团队，负责构建核心业务指标体系，主导机器学习与统计模型部署，以优化路由、提升安全风控及客服效率
同时需将大语言模型整合为团队横向分析能力，通过A/B测试与因果推断指导战略迭代，跨部门推动数据方案的产品化与全球化落地
最低要求
学历：统计学、数学、计算机科学、数据科学、运筹学等定量学科本科及以上学历
经验：在互联网行业拥有3年以上数据科学、高级分析或算法建模的全职工作经验
技术技能：精通复杂的A/B测试、因果推断和机器学习
熟练使用SQL和Python（Pandas、NumPy、Scikit-learn），并具备将LLM应用于业务优化的实践经验
领导力与商业敏锐度：具备敏锐的商业直觉，有将模糊需求转化为具体数据科学问题的成功经验
有管理复杂项目或领导团队（实线或虚线）的经验
语言与文化：具备出色的沟通能力，能适应快节奏的跨部门环境
英语必须高度流利并能作为工作语言无缝使用
工作职责
数据基础设施与指标架构：构建并持续迭代平台服务的核心业务指标体系和基础数据集市
推动稳健的特征库和标准化数据资产的设计，确保高质量的数据和“单一事实来源”，以支持全球分析、机器学习模型和商业智能
特定领域建模与问题解决：领导关键服务领域的定量建模和深度分析
设计和部署机器学习及统计模型，以优化ETA/路由准确性、增强主动风险缓解（安全）或提高客户问题解决效率
LLM整合与利益相关者赋能：在数据科学团队内将大语言模型（LLM）建立为横向分析能力
开发标准化的AI工具链和方法论，以提高团队内部效率，同时利用这些高级能力为业务利益相关者提供自动化洞察、可扩展的数据解决方案和新的战略杠杆
实验与因果推断：设计和评估复杂的A/B测试，并利用因果推断深入了解用户行为，衡量服务改进的真实影响，并指导战略迭代
跨职能领导力与产品化：与多个地区的产品、研发、运营和算法团队无缝协作，确保数据科学解决方案得到妥善的工程化、产品化并实现全球扩展
战略路线图与导师制：与业务领导者积极合作，定义中长期路线图，沉淀分析框架和特征库，并指导初级数据科学家以提升团队的整体交付能力
优先资格
在双边网络平台（如网约车、外卖）有经验者优先
深入了解信任与安全、智能客服或地图/路由（地理空间）业务逻辑者尤佳
强烈偏好具有跨国公司、海外工作或海外教育背景的候选人
AI 洞察
优缺点分析
优点
- 处于滴滴国际化核心业务线，能接触到海量、复杂的双边网络数据与全球化业务场景
- 技术栈前沿，明确要求将LLM整合为横向能力，有助于积累当前热门的AI落地经验
- 跨国团队协作环境，能极大提升英语工作能力与国际化视野
- 具备3年以上互联网数据科学经验，英语流利，渴望在国际化业务和LLM前沿应用中深耕的高级数据人才
缺点 / 挑战
- 业务场景复杂且跨多个地区，需频繁与产品、研发、运营等多方对齐，沟通与推进成本较高
- 对因果推断和复杂A/B测试要求极高，在真实业务中剥离混杂因素、证明模型真实收益具有较大技术挑战
角色解读
- 纵向可晋升为数据科学总监或国际化业务的数据负责人，统筹更大范围的数据战略
- 横向可转型为AI产品专家或业务战略负责人，利用LLM与数据能力直接驱动业务增长
- 构建和维护核心业务指标体系与数据基础设施，确保全球分析的数据质量与一致性
- 设计并部署机器学习与统计模型，优化网约车/外卖等双边平台的ETA、路由、安全风控及客服效率
- 将大语言模型（LLM）整合为团队的标准分析工具，赋能业务方获取自动化洞察，并指导初级成员
- 精通Python、SQL及常用机器学习库，具备扎实的A/B测试与因果推断实战能力
- 具备大语言模型（LLM）在实际业务场景中的落地经验与工具链开发能力
- 拥有出色的英语沟通能力及跨文化、跨部门协作能力，能将模糊业务需求转化为数据科学问题
申请策略
- 准备全英文的自我介绍及项目经历阐述，面试中可能会直接考察英语作为工作语言的流畅度
- 提前了解滴滴国际化业务在海外的市场布局与竞争态势，思考相应的数据科学解决方案
- 重点突出在双边平台（如出行、外卖、电商）的量化建模经验，特别是ETA、路由或安全风控领域的成果
- 详细展示A/B测试与因果推断的实战案例，说明如何通过严谨的实验设计衡量业务真实收益
- 强调LLM在业务中的落地经验，如构建AI工具链、自动化洞察或提升内部效率的具体指标
- 复习并深化因果推断与复杂实验设计理论，准备应对高难度技术面试
- 了解LLM在数据分析、自动化报告或智能客服中的最新应用范式，准备相关的系统设计方案
面试指南
- STAR法则结合技术深度：先简述业务背景和目标，重点展开技术选型与实验设计，最后用具体数据指标量化业务收益
- 结构化拆解模糊问题：采用“定义指标 -> 拆解归因 -> 假设检验 -> 模型落地 -> 效果评估”的框架进行回答，展现商业敏锐度与逻辑性
- 请分享一个你使用因果推断或复杂A/B测试解决业务问题的完整案例，你是如何处理混杂因素的？
- 在双边网络平台中，如何设计指标体系来衡量ETA优化或安全风控的真实业务影响？
- 你如何将LLM整合到数据科学团队的工作流中？请描述一个具体的落地场景和工具链设计
- 面对模糊的业务需求，你如何将其转化为具体的数据科学问题并制定路线图？
- 准备2-3个自己主导的、具有技术深度的核心项目，特别是涉及因果推断或LLM应用的项目，确保能经受住细节追问
- 熟悉滴滴国际化业务的基本逻辑，思考出行或外卖场景下的数据痛点，并构思相应的数据科学解决方案
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
该岗位对数据科学高级技能要求较高，结合上海地区市场行情，薪资具备较强竞争力。
薪资信号未披露（AI估算：3.5千–5.5万/月）
成长发展
90较高
岗位涉及LLM整合、因果推断等前沿技术，且要求跨地区协作与指导初级成员，技术成长与管理能力培养空间大。
技术前沿前沿/新兴技术
技术栈Python、SQL、Machine Learning、LLM、A/B Testing、Causal Inference、Pandas、Scikit-learn
成长机会mentor junior data scientists
业务类型profit_center
工作生活
50较低
JD未提及任何工作模式与WLB相关信息，无法判断其工作节奏与办公灵活性。
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
75中等
岗位涉及优化出行路由与主动安全风控，能直接提升用户出行安全与效率，具备较好的社会价值。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号enhance proactive risk mitigation (Safety)
创新程度积极采用新技术
Watch Jobs