Watch Jobs
CXMT logo
长鑫存储
资深数据分析师- Sr Data Analyst(J19882)
立即应聘

资深数据分析师- Sr Data Analyst(J19882)

发布于 大约 15 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
数据分析与科学
Llm
Power Bi
Sql
半导体制造
时序预测
机器学习
经营预测模型

AI 估算 · 20k–35k

资深数据分析师，半导体行业，合肥地区，技能要求高，模型落地经验稀缺，月薪范围2-3.5万

职位详情

关于这个职位

作为长鑫存储的资深数据分析师，你将主导半导体制造场景下的经营预测、成本、产能及产出模型的开发与优化，直接应用于产能规划和成本节约

该职位需要精通Python/R/SQL和机器学习框架，具备5年以上制造业数据分析和模型落地经验，并推动数据驱动的决策文化

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）
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（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）

AI 洞察

优缺点分析

优点

  • 深度参与半导体智能制造，积累垂直行业稀缺经验，职业壁垒高
  • 技术栈全面（传统ML+深度学习+LLM+大数据），技能成长空间大
  • 公司为行业龙头，平台稳定，项目直接影响经营指标，成就感强
  • 半导体制造流程复杂，需快速理解业务背景，学习曲线陡峭
  • 需要与多部门（制造、财务、IT）协作，沟通协调要求高
  • 适合具有扎实数据分析和建模基础，热爱制造业场景，愿意深入业务并推动量化优化的技术型人才

缺点 / 挑战

  • 制造业快节奏，可能面临项目时间压力和多任务并行

角色解读

  • 深入半导体行业数据分析，成为制造数据科学专家，主导更复杂的业务优化场景
  • 向数据架构或AI平台方向转型，负责企业级数据产品和技术栈的规划
  • 晋升为数据团队负责人，结合业务理解引领数据驱动的战略决策
  • 构建并优化半导体制造的业务预测、成本、产能和产出模型，直接支持产能规划和成本节约
  • 分析制造流程数据，识别生产瓶颈和效率洼地，通过自动化看板向管理层提供数据洞察
  • 协同数据治理和IT团队，确保制造、设备和财务数据的整合与质量，推动数据文化
  • 精通Python/R/SQL及机器学习框架（如XGBoost、PyTorch），能独立完成模型工程化
  • 掌握时序预测和优化算法，具备大数据工具（Spark/Hadoop）和BI工具（Tableau/Power BI）使用能力
  • 具有LLM落地经验，能使用LangChain/LangGraph开发智能体

申请策略

  • 准备一个完整的项目案例演示，重点展示从业务问题到数据解决方案的推理过程和量化结果
  • 了解长鑫存储的产品线和制造流程，面试中可主动关联自身经验
  • 突出5年以上制造业数据分析经验，量化展示预测模型精度≥85%或成本节约%等成果
  • 详细描述模型落地案例，包括技术选型、实施步骤和业务收益
  • 强调LLM应用经验，如使用LangChain开发的智能体项目
  • 补充半导体制造工艺知识（如晶圆加工、封装测试），可参加在线课程或阅读行业报告
  • 强化时序预测和优化算法实践，用开源数据集（如M5 Forecasting）进行练习

面试指南

  • STAR原则：简明描述情境(S)、任务(T)、行动(A)、结果(R)，数据优先，量化结果
  • 问题拆解法：先理解业务痛点，再分解为可量化指标，选择合适模型，最后验证并迭代
  • 请描述你主导过的一个经营预测模型项目，包括数据来源、模型选择、验证方法和落地效果
  • 如何识别半导体制造中的瓶颈？请举例说明你用数据手段解决的具体问题
  • 你如何平衡模型准确性和可解释性？在制造业场景下更看重哪个？
  • 你使用过哪些LLM技术？如何设计一个智能体辅助产线决策？
  • 面对多部门数据孤岛，你会如何推动数据治理和整合？
  • 复习时序预测模型（Prophet、ARIMA）和优化算法（线性规划、整数规划）的适用场景

职位点评

67
综合评分

前沿技术栈、高成长性、制造业深度，但办公灵活性和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
最适合追求技术成长和行业深度的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活40
使命价值75

薪资福利

65中等

薪资处于市场偏高水平，福利未明确提及，整体补偿性中等偏上。

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，涵盖传统ML和LLM，模型落地经验要求高，成长空间显著，但未明确提及晋升通道。

技术前沿前沿/新兴技术
技术栈Python、SQL、R、Scikit-learn、XGBoost、LightGBM、PyTorch、Prophet、ARIMA、SARIMA、TST、LP、IP、COP、Tableau、Power BI、Spark、Hadoop、LLM、LangChain、LangGraph
业务类型cost_center

工作生活

40较低

仅现场办公，地点合肥，制造业快节奏，WLB信号缺乏。

工作模式仅现场办公
办公地点未明确
加班情况JD含高强度暗示词

使命价值

75中等

半导体行业国产替代重要，岗位助力提升制造效率和降本，社会意义较高，但未直接提及使命感。

行业发展高速增长赛道
社会影响正向社会影响力较高
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