天猫
智能算法产品事业部-大数据研发工程师-特征工程
智能算法产品事业部-大数据研发工程师-特征工程
发布于 40 分钟前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
A/B测试
Llm
Shap
数据挖掘
特征工程
电商搜索推荐
Sql语义解析
值不值得投
71综合评分
综合评分 71
技术前沿、业务核心、成长空间大，但工作强度与生活平衡需自行权衡。
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
48K
比数据工程中位数高
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 160 个在招
市场机会
选择面较广
杭州 · 数据工程 · 70 个在招
职位详情
关于这个职位
这是一个在阿里巴巴天猫事业部负责电商搜索、推荐等核心算法场景特征体系建设的资深大数据研发岗位
你将主导特征数据体系的设计与价值挖掘，开发基于LLM的特征Agent，并构建特征治理、质量度量与血缘追踪能力，以提升算法团队的特征供给效率与模型效果
岗位要求扎实的Spark/Flink开发经验，并熟悉特征工程体系与LLM应用开发
最低要求
计算机、软件工程、数据科学、统计学等相关专业本科及以上学历
年以上大数据开发、特征工程或算法工程相关经验，有电商搜索推荐场景的特征体系建设经验优先
精通 Spark/Flink 等大数据计算框架，具备大规模实时与离线特征开发经验
具备数据挖掘能力，能基于业务洞察挖掘高价值特征
熟悉特征工程体系，熟悉特征价值评估方法（如特征重要性、SHAP、模型增益分析等）
了解 Feature Store 架构与实践经验
熟悉 LLM 应用开发，有基于大模型构建数据推荐、SQL 语义解析、智能问答等系统的经验优先
工作职责
特征数据体系设计与价值挖掘
a. 深入理解电商搜索、推荐等核心场景的算法模型需求，主导用户行为序列、用户画像、商品/内容侧特征等体系的规划与建设
b. 基于业务理解与数据挖掘方法，持续挖掘高价值特征，拓展特征空间，提升模型效果天花板
c. 建立单特征价值评估方法论，通过特征重要性分析、模型增益评测、A/B 实验等手段量化特征价值，指导特征迭代方向
特征Agent开发
a. 基于 SQL 语义解析提炼数据意图，实现已有特征与数据需求的智能匹配
b. 探索并落地 LLM 等大模型技术在特征语义理解、需求解析与智能推荐中的应用，实现特征发现的自动化与智能化
c. 基于LLM设计特征知识库，实现特征元数据、业务语义、使用案例等知识的自动化沉淀与持续维护
特征治理与质量度量
a. 构建特征质量评测体系，从完整性、准确性、时效性、稳定性等维度定义并监控特征健康度
建立特征质量度量指标体系，持续运营并提升整体特征资产健康度
b. 牵头存量特征资产的盘点与治理，识别低质、冗余、废弃特征，并推动算法团队完成特征替换与升级
c. 沉淀可复用的特征资产，解决特征重复开发、口径不一致、难以发现等痛点，推动特征在中台层面的共享与复用
特征血缘与影响面分析
a. 构建特征血缘追踪能力，打通特征从离线开发、实时计算到线上模型 inference 的全链路
b. 建设特征与线上模型的关联分析能力，支持单特征的下游影响面评估（如特征下线前的模型依赖分析）
c. 基于血缘数据驱动特征治理决策，降低特征变更对线上业务的潜在风险
AI 洞察
优缺点分析
优点
- 技术栈前沿，涉及LLM、Feature Store、实时计算等热门领域，有利于个人技术品牌的建设
- 职业发展路径清晰，既可以深耕技术，也可以向管理与业务方向转型
- 适合具备扎实大数据开发功底，对特征工程有深入理解，并对LLM等新技术充满热情，希望在核心业务场景中解决复杂工程问题的资深工程师
缺点 / 挑战
- 平台优势显著，能够接触天猫海量电商数据与核心算法场景，技术挑战与业务影响力兼备
- 工作强度可能较高，电商大促等节点可能需要应对高并发与紧急需求
- 岗位对综合能力要求高，需要同时具备大数据、算法理解与LLM应用能力，学习压力较大
- 跨团队协作频繁，需要与算法、产品、工程等多方沟通，对沟通协调能力有较高要求
角色解读
- 在技术深度上，可以成为特征工程与数据中台领域的专家，主导复杂特征体系的架构设计与优化
- 在业务广度上，可以深入理解电商搜索、推荐等核心业务，向算法工程师或技术Leader方向发展
- 在技术前沿上，可以探索LLM与数据工程的深度融合，成为AI驱动数据基础设施的先行者
- 负责电商搜索、推荐等核心算法场景的特征数据体系建设，从特征挖掘、价值评估到平台化运营，构建端到端的特征工程能力
- 主导特征Agent的开发，利用LLM等大模型技术实现特征语义理解、需求解析与智能推荐，推动特征发现的自动化与智能化
- 构建特征治理与质量度量体系，从完整性、准确性、时效性等维度监控特征健康度，并牵头存量特征资产的盘点与治理
- 建设特征血缘追踪与影响面分析能力，打通特征从开发到线上模型推理的全链路，降低特征变更对线上业务的风险
- 精通 Spark/Flink 等大数据计算框架，具备大规模实时与离线特征开发经验
- 具备数据挖掘能力，能基于业务洞察挖掘高价值特征，并熟悉特征价值评估方法（如SHAP、模型增益分析）
- 熟悉特征工程体系与Feature Store架构，了解特征治理、血缘追踪等最佳实践
- 熟悉LLM应用开发，有基于大模型构建数据推荐、SQL语义解析、智能问答等系统的经验
申请策略
- 在面试中展现对电商搜索推荐业务的理解，并思考特征工程如何更有效地支撑模型效果提升
- 可以提前了解阿里巴巴的工程师文化和技术氛围，在沟通中体现与之匹配的价值观
- 突出在电商搜索或推荐场景下，主导或深度参与特征体系建设的项目经历，量化特征对模型效果的提升
- 重点展示Spark/Flink等框架的大规模数据处理经验，以及实时与离线特征开发的具体案例
- 强调LLM应用开发经验，如基于大模型构建的推荐、解析或问答系统，并说明其业务价值
- 如有特征治理、Feature Store落地或血缘追踪相关经验，务必详细描述
- 系统梳理特征价值评估方法论，如SHAP、置换重要性等，并准备相关项目案例
- 深入学习LLM应用开发框架（如LangChain、LlamaIndex），并尝试构建一个SQL语义解析或数据推荐Demo
面试指南
- 对于项目类问题，建议采用STAR法则（情境-任务-行动-结果），清晰阐述背景、个人职责、技术方案与量化成果
- 对于技术方案类问题，可以从业务痛点出发，对比不同技术选型的优劣，并给出你的设计思路与预期效果
- 对于治理类问题，可以体现你的系统性思维，从度量、流程、工具等多维度提出解决方案
- 请详细描述你主导过的一个特征体系建设项目的架构设计与落地过程，以及如何评估特征价值？
- 在Spark或Flink中，你是如何优化大规模特征计算的性能的？请举例说明
- 谈谈你对Feature Store的理解，以及它在解决特征复用和一致性问题上扮演的角色？
- 你如何利用LLM来提升特征发现的效率？请描述一个可行的技术方案
- 如果让你治理一批低质量特征，你会如何制定优先级和推进计划？
职位点评
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利
75中等
职位描述未提及具体薪资和福利，但作为阿里巴巴集团核心事业部岗位，通常提供具有市场竞争力的薪酬和福利。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
90较高
该职位处于技术前沿，深度结合大数据与LLM技术，提供极佳的技术成长空间和项目实践机会。
技术前沿前沿/新兴技术
技术栈Spark、Flink、LLM、Feature Store、SQL语义解析、数据挖掘
业务类型profit_center
工作生活
40较低
职位描述未提及工作模式与加班情况，但作为互联网核心业务的技术岗，通常为现场办公，且工作节奏可能较快。
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
该职位服务于电商核心业务，通过提升特征工程效率间接影响数亿用户的购物体验，具有明确的业务价值。
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