天猫
淘天集团-数据科学专家-杭州
淘天集团-数据科学专家-杭州
发布于 大约 5 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
Rag
Sql
Uplift Modeling
因果推断
时序预测
值不值得投
77综合评分
综合评分 77
头部平台资深专家岗，前沿技术栈，发展空间大，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
65K
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 300 个在招
市场机会
选择适中
杭州 · 数据科学 · 18 个在招
职位详情
关于这个职位
这是一个在淘天集团（天猫）担任数据科学专家的资深岗位，核心是结合大语言模型（LLM）和智能体（Agent）技术，构建数据科学即服务（DSaaS）能力
你将主导实验分析、因果推断、时序预测等经典方法论的产品化，并建设知识库以赋能用户增长、搜索推荐、广告商业化等核心业务，推动科学决策的落地
该职位要求深厚的技术功底和业务洞察力，是数据科学领域的前沿实践者
最低要求
统计学、数学、计算机、运筹学、经济学等相关专业本科及以上学历，5年以上头部互联网公司数据科学、算法或 AI 应用研发经验，具备电商、广告、推荐系统或用户增长背景者优先
精通 A/B Testing 全流程管理和复杂实验方案设计，熟练掌握多种因果推断方法，具备在大促、价格策略等非实验场景下进行离线因果评估的实战经验
扎实掌握机器学习与建模技术，包括时序预测（Prophet/DeepAR）、Uplift、图神经网络、多目标优化等，能结合业务目标完成特征工程、模型调优与效果验证
熟悉 LLM 应用开发范式，有 LangChain / LlamaIndex / Semantic Kernel 等框架实战经验，深入理解 Prompt Engineering、RAG、Function Calling / Tool Use、Agent 规划与记忆机制
有 Data Agent、自动化分析报告或策略生成系统落地经验者优先
精通 Python 和 SQL，代码风格良好，具备将分析能力产品化为可复用 Skill 或服务接口的工程意识
逻辑严谨、业务洞察力强，善于从商业本质出发定义问题并推动跨团队协作
工作职责
聚焦“科学度量 + AI 决策”，基于 LLM + Agent 架构，构建 AAAS（Agent as a Service）能力，在用户增长、搜索推荐、营销策略、行业运营、广告商业化等核心场景中，打造从语义理解、分析洞察、科学评估和策略输出的A2A解决方案帮助业务核心指标增长
主导 MASS（Method as a Service）体系建设，将实验分析、因果推断（PSM/DID/SCM/Causal Forest）、时序预测、波动归因、Uplift Modeling、Lookalike、流量仿真等经典数科方法论封装为标准化、可复用的计算引擎与 API 服务，提供高置信度的离线评估与在线诊断能力
负责 KASS（Knowledge as a Service）数科知识库建设，沉淀业务语义、分析标准、方法选型、策略生成，构建结构化向量知识库与领域知识图谱，攻克复杂实验场景下的因果识别难题，优化 RAG 检索效果，为上层 Agent 提供准确、可解释、可追溯的推理依据
推动全域科学决策标准落地，主导淘天统一的数据口径、实验设计规范、方法选型与策略推全标准和机制建设
优先资格
加分项：参与过 LLMOps 平台或 AI Agent 中台建设
发表过因果推断、推荐系统或 LLM 应用相关论文
有从 0 到 1 构建数据分析 Agent 并产生显著业务收益的成功案例
AI 洞察
优缺点分析
优点
- 处于技术前沿，深度参与LLM、Agent与数据科学结合的新兴领域，技能积累价值高
- 平台影响力大，负责建设的数据科学基础设施将服务淘天核心业务，个人成就感和职业背书强
- 业务场景丰富，涉及用户增长、搜索推荐、广告商业化等，能快速积累多领域的业务洞察
- 适合具备深厚数据科学背景，对LLM和Agent技术充满热情，渴望在头部平台从事前沿技术探索和基础设施建设的资深专家
缺点 / 挑战
- 岗位要求极高，需要同时具备扎实的统计学功底、机器学习能力和LLM应用开发经验，技术挑战大
- 作为基础设施的建设者，需要与多个业务团队协作，沟通和推动成本较高
- 前沿技术迭代快，需要持续学习和探索，保持技术领先的压力较大
角色解读
- 在技术纵深上，可成长为数据科学领域的技术专家，引领LLM+数据科学的前沿应用
- 在业务影响上，可通过推动科学决策体系落地，向数据科学团队的管理岗位发展
- 在行业视野上，可积累电商、广告等核心场景的丰富经验，成为跨领域的复合型专家
- 构建基于LLM和Agent架构的数据科学服务（AAAS），为业务提供从语义理解到策略输出的端到端解决方案
- 将实验分析、因果推断、时序预测等经典数科方法论产品化，封装为标准化API服务（MASS），提升分析效率和复用性
- 建设数科知识库（KASS），沉淀业务语义和分析标准，优化RAG检索效果，为上层Agent提供推理依据
- 推动全域科学决策标准落地，主导数据口径、实验设计规范等标准和机制建设
- 精通A/B Testing和因果推断方法（PSM/DID/SCM等），具备非实验场景下的离线评估实战经验
- 扎实的机器学习与建模技术，包括时序预测、Uplift Modeling、图神经网络等
- 熟悉LLM应用开发范式，有LangChain等框架实战经验，深入理解RAG、Agent规划与记忆机制
- 精通Python和SQL，具备将分析能力产品化的工程意识
申请策略
- 在申请材料中，强调你对'科学度量+AI决策'这一方向的理解和热情
- 准备一个关于如何将数据科学方法论产品化的思路阐述，展示你的工程化思维
- 突出5年以上头部互联网公司数据科学经验，重点展示在电商、广告或推荐系统领域的项目成果
- 详细描述复杂实验设计和因果推断的实战案例，特别是非实验场景下的离线评估经验
- 强调LLM应用开发经验，包括LangChain等框架的使用、RAG优化、Agent构建等具体项目
- 展示将分析方法产品化的能力，如构建过数据分析Agent或自动化报告系统
- 系统梳理因果推断的各类方法及其适用场景，准备一个完整的项目案例
- 深入学习LangChain、LlamaIndex等框架的高级特性，了解最新的Agent规划和记忆机制
面试指南
- 采用STAR法则（情境-任务-行动-结果）回答项目经验类问题，突出个人贡献和量化成果
- 对于技术方案类问题，可以从业务问题定义、技术选型、方案设计、落地效果和反思几个层面展开
- 对于开放性问题，先阐述核心思路，再结合具体案例说明，最后总结方法论
- 请详细描述一个你主导的复杂A/B测试或因果推断项目，包括实验设计、方法选择和业务效果
- 如何将因果推断方法（如DID、SCM）应用于大促或价格策略等非实验场景？请举例说明
- 谈谈你对LLM+Agent在数据科学领域应用的理解，以及如何构建一个数据分析Agent？
- 在建设数据科学知识库（KASS）时，如何设计知识结构以优化RAG检索效果？
- 如何平衡方法的科学严谨性与业务的快速迭代需求？
职位点评
薪资福利80
成长发展95
工作生活50
使命价值70
薪资福利
80较高
该职位为资深专家岗，且JD未提及具体薪资，但根据岗位要求和市场行情，薪资水平应处于行业高位，福利待遇预计较为完善。
薪资信号面议 (50K-80K/月)
成长发展
95较高
该职位深度结合LLM、Agent等前沿技术与数据科学，技术挑战大，成长空间广阔。同时，主导体系建设也提供了极佳的个人能力展示和职业发展机会。
技术前沿前沿/新兴技术
技术栈LLM、Agent、因果推断、RAG、LangChain、Uplift Modeling、图神经网络
业务类型profit_center
工作生活
50较低
JD未提及具体工作模式，但作为互联网大厂的核心技术岗，通常为现场办公，且工作强度可能较高。
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
70中等
该职位通过构建科学决策体系，推动业务增长，对电商生态有较大影响。但JD未明确提及社会价值或使命感相关描述。
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
天猫 的其他在招职位
相似职位推荐
Watch Jobs