Watch Jobs
CXMT logo
长鑫存储
资深数据分析师- Sr Data Analyst(J20069)
立即应聘

资深数据分析师- Sr Data Analyst(J20069)

发布于 大约 9 小时前

普通员工/个人贡献者

合肥市
高级经验
全职员工
仅现场办公
本科
数据分析
Lightgbm
Power Bi
Pytorch
Scikit-Learn
Sql
Xgboost
半导体制造
时序预测
机器学习

AI 估算 · 20k–35k

资深数据分析师，合肥半导体行业，技能要求全面（ML、时序、优化、LLM），市场竞争力较强。

职位详情

关于这个职位

作为资深数据分析师，你将主导半导体制造场景下的经营预测、成本、产能及产出模型开发，利用数据驱动决策优化生产瓶颈与成本效率

需要5年以上制造业数据分析经验，精通Python/R/SQL和机器学习框架，具备时序预测与优化算法能力，并有BI工具使用经验
该职位适合希望在半导体行业深耕、具备强逻辑思维和跨部门沟通能力的数据分析专家

最低要求

教育背景与专业知识：本科及以上学历，统计学、工业工程、计算机、半导体材料或器件相关专业

专业技能与资格：精通Python/R/SQL，能使用机器学习框架（Scikit-learn/XGBoost/LightGBM/Pytorch）完成实际项目落地与工程实施
掌握时序预测（Prophet/ARIMA/SARIMA/TST）及优化算法（LP/IP/COP），能定期阅读论文并分享前沿发展方向
熟练使用BI工具（Tableau/Power BI）及数据工程栈（Spark/Hadoop）
具备大语言模型（LLM）落地经验，能使用LangChain/LangGraph开发自定义智能体
行业与专业经验：5年以上制造业数据分析经验，具备至少一项实战成果：开发并落地经营预测模型（需求预测准确率≥85%）、构建成本模型实现制造成本降低、设计产能/产出模型推动产能利用率提升或良率优化（需提供量化收益证明）
具有半导体行业经验者优先（包括Fab厂运作、探针卡测试流程、Wafer加工流程、成本分析与降本管理、综合排产和计划管理等场景）
项目/任务成果：能提供过往模型落地案例及量化收益证明（面试需提交案例简述）
其他要求：具有强逻辑推理能力，能将复杂的制造业务问题转化为数据解决方案
结果导向
具有优秀的跨部门沟通能力，能适应制造业快节奏环境

工作职责

业务模型构建与优化：主导半导体制造场景下的经营预测模型（需求/销量预测）、成本模型（制造成本分摊与优化）、产能模型（设备利用率分析）及产出模型（排产计划与产出）的开发、验证与迭代，将模型成果直接应用于产能规划、成本节约和产出效率提升等实际业务场景

数据驱动决策支持：基于半导体制造流程（晶圆加工、封装测试、设备维护保养、自动化搬运等）数据，识别生产瓶颈、成本异常或效率洼地，输出可执行优化方案，并通过构建自动化分析看板（Tableau/Power BI/帆软BI）向管理层及跨部门团队提供数据洞察
跨领域协同与数据治理：协同数据治理组及IT其他部门，优化数据架构，确保制造端、设备端及财务系统数据的整合与质量治理，并向业务部门提供数据赋能培训，推动数据文化在制造体系的渗透

优先资格

具有半导体行业经验者优先

能提供过往模型落地案例及量化收益证明（面试需提交案例简述）

AI 洞察

优缺点分析

优点

  • 技能积累全面：覆盖机器学习、时序预测、优化算法、BI和LLM，极具市场竞争力
  • 行业前景好：半导体是国家战略产业，长鑫存储是国产存储龙头，平台稳定
  • 工作内容偏策略和业务影响，能直接产出量化收益，成就感强
  • 技术要求高：需同时掌握多种模型和工具，且要具备LLM落地经验，学习曲线陡峭
  • 制造业快节奏环境，可能需要应对紧急业务需求，工作强度较大
  • 跨部门协同多，需要较强的沟通能力和业务理解力
  • 适合有5年以上制造业数据分析经验、渴望深度应用ML和数据科学解决复杂业务问题、并希望在半导体行业长期发展的技术专家

缺点 / 挑战

暂无明显挑战项

角色解读

  • 在半导体数据分析领域深耕，成为制造数据科学专家，主导更复杂的端到端数据产品
  • 向数据管理或数据架构方向发展，负责数据治理和数据平台建设
  • 横向扩展至业务策略岗位，如供应链分析、运营优化等
  • 主导半导体制造场景下的经营预测、成本、产能和产出模型的开发与迭代，将模型成果用于产能规划和成本优化
  • 基于制造流程数据识别生产瓶颈和成本异常，输出优化方案并构建自动化分析看板提供给管理层
  • 协同数据治理与IT部门优化数据架构，确保制造、设备和财务数据的整合与质量，推动数据文化渗透
  • 精通Python/R/SQL和机器学习框架（如XGBoost、LightGBM、PyTorch），能独立完成模型落地
  • 掌握时序预测和优化算法，具备论文阅读和前沿技术分享能力
  • 熟练使用Tableau/Power BI等BI工具，了解Spark/Hadoop等数据工程栈
  • 具备大语言模型落地经验，能使用LangChain开发自定义智能体

申请策略

  • 简历中务必包含量化收益证明，面试时准备详细案例简述
  • 关注长鑫存储的业务动态和半导体行业新闻，展现对行业的热情
  • 突出过往模型落地案例，量化收益（如预测准确率≥85%、成本降低X%），用数字说话
  • 强调半导体或制造业经验，详细描述参与过的产能、成本、预测相关项目
  • 列出熟练掌握的技术栈：Python、ML框架、时序算法、BI工具、LLM工具等
  • 展示论文阅读和前沿技术分享经历，体现学习能动性
  • 如果缺乏半导体行业知识，可提前了解Fab制造流程、探针卡测试、晶圆加工等概念
  • 补充LLM落地经验：学习LangChain/LangGraph，尝试构建简单智能体原型

面试指南

  • 用STAR法则（情境、任务、行动、结果）回答项目问题，重点量化结果
  • 对于模型问题，先解释业务背景，再讲技术选型理由，最后说迭代优化过程
  • 跨部门协同问题，强调沟通策略和推动数据治理的实践经验
  • 请介绍一个你主导的预测模型项目，如何评估效果？预测准确率如何？
  • 如何利用时序模型（如Prophet、SARIMA）进行需求预测？处理过哪些数据挑战？
  • 在半导体制造场景中，如何构建成本模型来降低制造成本？请举例说明
  • 你如何使用LangChain开发智能体？解决过什么实际问题？
  • 当你需要从多个系统整合数据时，如何保证数据质量和一致性？

职位点评

70
综合评分

合肥半导体龙头，技术前沿技能丰富，薪资有竞争力，但WLB一般。

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。

更适合这类人
最适合重视技术成长和职业发展的求职者，愿意为前沿技能积累接受一定的工作强度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活40
使命价值70

薪资福利

75中等

该职位薪资水平在合肥属于偏上，公司为行业龙头，福利相对稳定，但薪资未在JD中明确。

薪资信号未披露（AI估算：20K-35K/月）

成长发展

85较高

技术栈前沿（ML、LLM、优化算法），要求定期阅读论文，有较多成长空间，但晋升路径未明确提及。

技术前沿前沿/新兴技术
技术栈Python、R、SQL、Scikit-learn、XGBoost、LightGBM、PyTorch、Prophet、ARIMA、Spark、Hadoop、LangChain、LangGraph
业务类型profit_center

工作生活

40较低

仅现场办公，未提及弹性工作或WLB，制造业快节奏环境，可能加班。

工作模式仅现场办公
办公地点科技园/产业园
加班情况JD含高强度暗示词

使命价值

70中等

半导体行业是国家战略，公司为国产存储代表，但JD未强调社会使命感。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术

长鑫存储 的其他在招职位

相似职位推荐

Watch Jobs