天猫
业务技术-数据科学家-ai方向
业务技术-数据科学家-ai方向
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公数据科学
数据科学
A/B实验
Nl2Sql
Sql
商业分析
因果推断
数据Agent
机器学习
值不值得投
80综合评分
综合评分 80
核心业务线数据科学家，前沿AI技术驱动商业增长，发展空间广阔但大促期节奏较快。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.0万
与数据科学中位数基本持平
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 110 个在招
市场机会
选择适中
杭州 · 数据科学 · 31 个在招
职位详情
关于这个职位
负责天猫营销与交易机制的策略分析，运用因果推断与A/B实验评估策略净效应
主导数据Agent与AI工程化落地，构建NL2SQL、RAG等智能分析工具
结合业务场景搭建指标体系，推动洞察到决策的闭环，助力用户增长与预算ROI最大化
最低要求
教育背景：计算机、统计学、应用数学、经济学、运筹学或相关专业本科及以上学历（硕士/博士优先）
基础硬技能：熟练掌握 SQL 与 Python，具备扎实的概率统计、实验设计与建模功底
熟悉主流机器学习方法（GBDT/XGBoost、深度模型、特征工程），并有真实业务建模落地经验
熟悉因果推断与增量评估方法体系（Uplift、DID、PSM、合成控制、HTE）
对阿里数据研发体系（MaxCompute/ODPS、Hologres、DataWorks 等）有了解或实践经验者更佳
AI / LLM 能力：有数据 Agent、NL2SQL、自动化分析/洞察类产品的设计或落地经验者优先
业务理解力：具备较强的商业 sense 与结构化思考能力，能把电商场景（行业、人、商品）中的产品与业务问题转化为分析问题，也能把分析结果转化为可执行的产品与业务决策
有电商营销、交易、增长、定价/补贴、会员权益相关经验者优先
技术热情与学习能力：有技术信仰，对数据技术前沿（实时流批一体、湖仓、AI Infra 等）保持持续研究，并有热情投入实施与优化
软性素质：结果导向、皮实抗压，能适应大促节奏
具备优秀的跨团队沟通与推动能力
有团队精神，乐于分享与帮助新人，也能虚心接受反馈，共同成长
工作职责
营销&交易机制策略的分析与挖掘：负责大促与日常活动的 toB/toC 机制策略分析，围绕用户增长、货品与品规结构、价格力、权益与补贴机制四大杠杆，通过数据分析+数据挖掘定位增量机会，输出可落地的机制方案（如人群分层权益、商家侧激励规则、券档与门槛设计、货盘/价格带策略），与业务共同建设增长飞轮和决策引擎
因果推断与实验科学：擅长综合运用A/B实验设计、Uplift建模、DID/合成控制/IV、异质性(HTE)分析等手段，剥离自然增长与策略净效应，识别对补贴/权益敏感的人群、商家与商品，支撑预算精细化分配与ROI最大化
沉淀可复用的实验评估与增量度量标准
指标体系与专题分析：搭建营销&交易域的指标体系与诊断框架（诸如GMV拆解、流量—转化—客单、补贴效率、商家健康度、用户生命周期价值），开展高价值专题分析
把模糊的产品/业务问题转化为可求解的分析问题，再把分析结论转化为清晰的产品与业务决策建议
数据Agent与AI工程化交付：参与/主导数据Agent的设计与研发：构建AI可用的底层数据结构、语义层与指标层、接口服务，以及面向业务交付的Pipeline（NL2SQL、RAG、自动化归因与洞察、报告生成），让数据AI有组织、更快、更低成本地被业务使用
联动算法与工程资源跑通POC，并推进规模化落地
跨团队协同与项目落地：与产品、运营、算法、数据工程紧密协同，推动「洞察→建模→POC→上线→复盘」的完整闭环
具备良好的商业sense与沟通能力，能在多方目标不一致时找到可执行的共识方案
技术前瞻性建设：持续跟踪并引入业界先进方案（因果ML、LLM/Agent、实时流批一体、湖仓一体等），与团队一起攻坚关键技术难题，提升团队整体技术水位
优先资格
电商行业数据科学/优化算法/BI岗位经验
大规模A/B实验平台建设与实验治理经验
运筹优化（预算分配、整数规划、拉格朗日对偶、在线分配）在营销补贴场景的应用经验
toB商家侧机制设计（招商、激励、货盘治理）或toC用户增长（拉新、促活、召回、权益体系）经验
顶会论文、开源项目贡献、技术博客或公开技术分享
AI 洞察
优缺点分析
优点
- 聚焦电商核心交易链路，接触海量真实业务数据与前沿AI技术栈，技术影响力可直接转化为商业价值
- 平台资源雄厚，提供完善的跨团队协作机制与技术攻坚环境，利于积累高含金量项目经验
- 团队氛围开放，鼓励技术创新与知识分享，有助于快速建立行业技术口碑
- 大促期间工作节奏快、抗压要求高，需在有限时间内完成策略验证与模型迭代
- 需平衡学术严谨性与业务敏捷性，快速将复杂算法转化为可落地、可解释的业务方案
- 跨部门目标对齐与推动落地存在一定沟通成本，需具备极强的项目推动与共识构建能力
- 适合具备扎实数理基础与工程能力，热爱用数据驱动商业决策，且能在高压环境下保持技术热情与结果导向的复合型数据人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 向首席数据科学家、AI技术专家或业务技术负责人方向发展，深耕数据驱动决策领域
- 横向拓展至商业化策略、增长黑客或AI产品经理，成为兼具技术深度与业务广度的复合型人才
- 深入分析天猫营销与交易策略效果，利用因果推断与A/B实验量化策略净效应与增量价值
- 主导数据Agent与AI工具研发，实现NL2SQL、RAG等自动化分析与洞察能力落地
- 搭建业务指标体系与诊断框架，驱动产品迭代、预算分配与商业化决策优化
- 精通SQL/Python与机器学习建模，掌握因果推断(Uplift/DID/HTE)与实验设计方法论
- 具备AI Agent/NL2SQL/RAG等前沿技术落地经验，熟悉大数据研发体系
- 拥有敏锐的商业洞察力与结构化思维，能将模糊业务问题转化为可求解的数据分析命题
申请策略
- 提前研究天猫近年大促玩法与补贴机制，准备1-2个将业务痛点转化为数据解决方案的完整案例，面试时注重展现结构化思维与商业敏感度
- 突出因果推断与A/B实验在真实业务中的落地案例，重点标注ROI提升、预算节省等量化收益
- 详细展示数据Agent/NL2SQL等项目架构设计、数据处理流程与性能优化指标
- 强调电商/零售行业业务理解与策略设计经验，体现从业务痛点到数据方案的完整闭环能力
- 深化因果机器学习与异质性处理效应(HTE)理论，掌握增量评估的最佳实践
- 补充大模型微调(RAG/Agent开发)实战经验，熟悉向量数据库与语义层构建
- 强化运筹优化在预算分配与动态定价场景的应用能力，提升策略设计的数学底座
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化表达，重点阐述问题定义、方法选型依据、实验设计细节、业务转化路径及最终量化收益
- 体现技术深度与业务价值的结合，说明如何在约束条件下权衡模型复杂度、可解释性与落地成本
- 请分享一个你使用因果推断解决业务增量评估问题的完整案例，包括方法选型与效果验证
- 如何设计并评估一个复杂的A/B实验？如何处理流量污染、新奇效应或交叉干扰？
- 数据Agent在实际业务中落地时遇到的最大挑战是什么？如何优化NL2SQL准确率与响应速度？
- 面对业务方模糊的需求，你如何通过数据分析将其转化为可执行的策略与产品建议？
- 复习因果推断核心定理与实验设计最佳实践，梳理个人主导的AI/数据项目全生命周期细节
- 了解主流大数据研发体系(ODPS/DataWorks)基本逻辑与组件功能，准备针对电商营销场景的策略分析思路
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
薪资处于杭州互联网市场中上水平，作为核心业务线岗位提供具有竞争力的薪酬包与完善福利体系，满足度高。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
90较高
岗位深度融合前沿AI技术与电商核心业务，提供丰富的技术攻坚场景与跨团队成长机会，发展路径清晰。
技术前沿前沿/新兴技术
技术栈因果推断、A/B实验、数据Agent、NL2SQL、RAG、LLM、湖仓一体
业务类型profit_center
工作生活
60中等
传统互联网大厂模式，虽有一定技术自由度，但大促节奏明确提及“皮实抗压”，WLB一般。
工作模式未明确
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
75中等
直接赋能平台商业化与消费者体验升级，技术成果具有显著的市场影响力与社会经济价值。
行业发展稳定成熟行业
社会影响正向社会影响力较高
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
Expressions of Interest - Quantitative Research Internship, PhD (Summer 2028 -Shanghai)
澳蒂华 · 上海市
AI 估算 · 1.5–2.5万1 小时前发布
Expressions of Interest - Quantitative Research Internship, Bachelor or Master (Summer 2028 - Shanghai)
澳蒂华 · 上海市
AI 估算 · 1.5–2.5万1 小时前发布
SENIOR DATA SCIENTIST
美光科技 · 台中市
AI 估算 · 2.8–4.8万7 小时前发布
Watch Jobs