Tmall logo
天猫
淘天供应链产品技术部-数据科学家-杭州

淘天供应链产品技术部-数据科学家-杭州

发布于 24 分钟前

普通员工/个人贡献者

AI 估算 · 3.0–5.5万 · AI 参考估算
中级经验
硕士
全职员工仅现场办公数据科学
数据科学
Rag
Sql
因果推断
大模型
实验设计
机器学习
策略优化
统计分析

值不值得投

75综合评分

综合评分 75

电商核心场景数据科学岗,技术前沿、业务影响力强,办公与生活节奏信息未披露

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

4.3万

比数据科学中位数低

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 · 30 个在招

职位详情

关于这个职位

该岗位面向淘天供应链产品技术部,围绕电商供需匹配、商品成长、商家经营和用户长期价值开展数据研究与建模

你将用统计分析、机器学习、实验设计和因果推断识别增长机会,并推动策略落地到商品、人群和商家经营动作

最低要求

硕士及以上学历,统计学、数学、计算机等相关专业,具备2年以上数据科学、数据挖掘、策略算法或相关领域工作经验

具备扎实的统计学与机器学习基础,有实验设计、因果推断、预测建模或策略优化的实际经验,能够根据业务问题选择方法,识别样本偏差、混杂因素及模型适用边界
熟练使用SQL和Python,具备大规模数据处理、特征工程、模型训练及效果评估能力,能够独立完成从数据探索到可复用分析工具或模型的实现
具备较强的业务研究能力,在商品供给、商家经营、用户增长或营销投资等至少一个方向有深入实践
能够从数据中发现矛盾、解释原因,将模糊问题转化为可验证的判断与具体策略
能够使用大模型与AI编程工具开展分析和开发,具备对生成结果进行证据核验、质量评估和迭代优化的能力
具备主动推进和跨团队协作能力,能够清晰说明问题为何值得做、建议如何执行、效果如何验证

工作职责

深入电商经营场景,围绕供需匹配、商品成长、商家经营及用户长期价值等重点问题,独立开展业务研究、数据分析与建模,识别经营瓶颈和增长机会,提出可执行的策略建议

以商品与消费需求理解为重点,结合搜索行为、交易数据、商品内容、用户反馈及行业知识,识别人群、场景与核心需求,挖掘细分市场和供给缺口,支持品规企划、选品及商品经营
运用统计分析、机器学习、实验设计与因果推断等方法,解释不同对象、渠道和策略下的效果差异,开展价值预测、诊断归因及策略评估,验证经营改善并明确策略的适用条件
结合大模型、知识工程和Agent技术,将业务知识、分析方法及实验经验沉淀为可复用的Context、Skill和数据产品,支持机会发现、经营诊断及方案比较,持续提升分析质量和使用效率
与业务、产品、算法及工程团队协作,推动从问题定义、数据准备、分析建模到策略应用和效果复盘的完整交付,将结论落实到具体商品、人群或商家的经营动作,并根据实际结果持续迭代

优先资格

有知识工程、RAG、Agent或深度研究应用的开发与调优经验者优先

有独立主导项目、推动业务实际采用并取得可验证结果的经历者优先

AI 洞察

优缺点分析

优点

  • 岗位贴近电商核心经营场景,分析结果能直接作用于商品、人群和商家策略,业务影响力较强
  • 技术栈覆盖统计分析、机器学习、因果推断、大模型、RAG和Agent,能力积累面较宽
  • 与业务、产品、算法和工程团队协作,有机会理解完整的数据到策略闭环
  • 淘天电商场景数据丰富,适合希望提升复杂业务建模和策略评估能力的求职者
  • 大模型、Agent与业务知识沉淀属于较新方向,需要持续验证效果并处理生成结果质量问题
  • 适合有统计学、机器学习或策略算法背景,同时愿意深入电商业务、推动策略落地的数据科学人才
  • 尤其适合能独立研究问题、跨团队沟通并使用AI工具提升分析效率的人

缺点 / 挑战

  • 业务问题复杂且链路长,需要同时处理数据质量、业务解释和策略落地,对综合能力要求较高
  • 需要把模型结论转化为业务可执行的动作,单纯建模能力不足以取得结果

角色解读

  • 可向资深数据科学家、策略算法专家或业务数据负责人方向发展,主导更复杂的数据产品与经营决策体系
  • 可积累电商供应链、商品经营和用户增长经验,转向产品策略、商业分析或数据产品管理岗位
  • 随着大模型和Agent能力沉淀,也可发展为智能化经营分析、知识工程或AI应用方向的技术专家
  • 围绕电商供应链和经营场景,开展供需匹配、商品成长、商家经营、用户长期价值等业务研究,输出可执行的增长策略
  • 基于搜索、交易、商品内容和用户反馈等数据,识别细分需求、市场机会和供给缺口,支持选品、品规企划和商品经营
  • 使用实验设计、因果推断、预测建模等方法评估策略效果,解释不同对象、渠道和策略之间的差异
  • 结合大模型、知识工程和Agent技术,把分析方法与业务经验沉淀为可复用的数据产品或分析工具
  • 需要扎实的统计学、机器学习和因果推断基础,能够识别样本偏差、混杂因素和模型边界
  • 需要熟练使用SQL和Python,具备大规模数据处理、特征工程、模型训练和效果评估能力
  • 需要理解电商经营链路,至少在商品供给、商家经营、用户增长或营销投资等方向有深入实践
  • 需要具备跨团队推动能力,能把模糊业务问题转化为可验证假设,并推动策略被业务采用

申请策略

  • 面试前建议梳理淘天供应链和电商经营场景,准备如何用数据方法识别增长机会和评估策略效果
  • 申请时尽量用业务结果导向表达,例如发现了什么机会、推动了什么动作、如何验证改善,而不仅罗列模型
  • 突出与商品供给、商家经营、用户增长或营销投资相关的项目,说明问题背景、方法选择、策略动作和最终效果
  • 强调SQL、Python、机器学习、实验设计、因果推断和预测建模能力,最好给出数据规模、模型指标或业务收益
  • 展示大模型、RAG、Agent或AI编程工具的实际使用经验,说明如何做证据核验、质量评估和迭代优化
  • 补充跨团队协作案例,体现你能从问题定义、数据准备、建模分析推动到业务采用和复盘
  • 强化因果推断和实验设计能力,重点准备样本偏差、混杂因素、异质性效果和策略适用边界等问题的案例
  • 熟悉大模型辅助分析流程,包括Context构建、RAG知识库、Agent工具调用和生成结果评估

面试指南

  • 使用“业务背景—关键假设—数据与方法—策略动作—效果验证—复盘迭代”的结构讲项目,突出闭环
  • 对方法类问题先说明适用条件和限制,再结合样本偏差、混杂因素、指标选择和异质性效果展开
  • 对大模型相关问题强调证据来源、工具调用、结果评估、人工校验和持续迭代,避免只讲概念
  • 请介绍一个你独立主导的数据科学项目,如何定义问题、选择方法并推动业务落地?
  • 在供需匹配或商品经营场景中,如何识别细分市场和供给缺口?
  • 如何设计实验或准实验来评估某个经营策略的因果效果?
  • 使用大模型或Agent做经营诊断时,如何保证结论可靠、可追溯并避免幻觉?
  • 面对业务方提出的模糊问题,你如何把它拆解成可验证假设和具体策略?

职位点评

薪资福利78
成长发展88
工作生活52
使命价值72

薪资福利

78中等

JD未披露薪资和福利信息,但从岗位要求看属于经验型数据科学岗位,薪酬吸引力需与招聘方确认。福利相关原文未提及,补偿性动机只能部分判断。

薪资信号未披露(AI估算:3.0千–5.5万/月)

成长发展

88较高

岗位明确涉及统计分析、机器学习、实验设计、因果推断、大模型、知识工程和Agent技术,技能成长空间较大。JD还强调完整交付和跨团队协作,但晋升路径未明确提及。

技术前沿前沿/新兴技术
技术栈SQL、Python、机器学习、实验设计、因果推断、大模型、知识工程、Agent、RAG
业务类型profit_center

工作生活

52较低

JD仅明确地点为杭州,未提及远程、混合办公、弹性工时或加班情况,因此生活化动机满足程度无法充分判断。办公模式需投递或面试时进一步确认。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

72中等

岗位围绕供需匹配、商品成长、商家经营和用户长期价值,能参与电商经营效率提升和消费体验优化,具有一定业务价值。JD未直接表达社会使命或公共价值导向。

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