哈啰出行
java实习生（风控特征开发实习生）
java实习生（风控特征开发实习生）
发布于 大约 17 小时前实习/见习
武汉市
无经验要求
实习生
仅现场办公
硕士
SQL
特征工程
numpy
风控
金融信贷
AI 估算 · 3k–6k
武汉实习岗，风控特征开发有一定技术门槛，但实习生薪资通常偏低，参考市场行情
职位详情
关于这个职位
该实习岗位面向硕士在读学生，在哈啰出行武汉团队从事金融风控特征开发工作
你将参与信贷审批、反欺诈等业务场景的特征挖掘与提取，使用Java、Python和SQL处理多维度用户数据，并配合团队进行特征验证与优化
适合对金融风控感兴趣、具备数据敏感性的同学积累实战经验
最低要求
硕士学历，计算机科学与技术、软件工程、数据科学等计算机相关专业在读
具备扎实的计算机理论基础，熟悉Java语言和 Python 编程语言及 Pandas、NumPy 等数据处理库
了解金融风控基本概念（如风控特征概念、信用评分、反欺诈原理等）
熟悉 SQL 语言，能熟练进行数据库查询和数据提取
具备较强的逻辑分析能力和数据敏感性
拥有良好的沟通表达能力和团队协作精神
保证每周实习时间不少于 4 天，实习周期至少 3 个月
工作职责
结合金融信贷业务场景（如信贷审批、反欺诈），协助团队技术同事开展风控特征的挖掘、提取与加工工作，涵盖用户基本信息、行为数据、交易记录等多维度数据
参与金融风控特征工程的代码实现，包括特征提取、清洗、转换与筛选工作，确保特征处理符合金融数据的严谨性要求
协助对开发的特征进行有效性验证，结合金融风险指标（如逾期率、坏账率等）分析特征对风控模型的提升效果，并提出优化建议
参与金融风控特征相关文档的撰写，明确特征在金融信贷业务中的含义、计算逻辑及应用场景，为模型开发和业务决策提供支持
配合团队完成与三方资信数据对接过程中的特征适配工作，保障特征在实际金融信贷业务流程中应用
优先资格
有金融数据处理经验者优先
有参与过金融相关项目、课程者优先
了解 Hive、Spark 等大数据处理工具者优先
能长期实习者优先
AI 洞察
优缺点分析
- 哈啰出行是大型互联网平台，金融风控业务成熟，可积累宝贵行业经验
- 工作内容涉及数据挖掘、特征工程和风控模型，技术含量高，有利于技能提升
- 实习期参与真实业务场景，有机会接触大规模数据处理工具（如Hive、Spark）
- 每周需保证至少4天实习，可能与学业冲突，需要良好的时间管理
- 风控特征对数据准确性要求高，工作压力可能较大
- 实习周期至少3个月，需持续投入，短期实习生可能不适应
- 适合计算机、数据科学等专业硕士在读，对金融风控和数据挖掘有浓厚兴趣，追求快速成长且能承受一定压力的同学
角色解读
- 实习期满可转向全职风控数据工程师或算法工程师，深入特征工程和模型开发
- 积累金融信贷业务经验后，可向风控模型专家或数据科学家方向发展
- 长期可晋升为风控团队技术 leader，管理特征工程或模型团队
- 参与金融风控特征工程，从多个数据源（用户信息、行为、交易）中挖掘和加工特征
- 使用 Java 或 Python 实现特征提取、清洗、转换的代码逻辑
- 验证特征有效性，结合逾期率等指标评估特征对风控模型的影响
- 撰写特征文档，说明特征含义、计算逻辑及应用场景
- 掌握 Java 和 Python 编程，熟练使用 Pandas、NumPy 等数据处理库
- 熟悉 SQL，能高效进行数据查询与提取
- 理解金融风控基本概念，如信用评分、反欺诈原理
- 具备数据敏感性和逻辑分析能力，能从业务需求转化为代码逻辑
申请策略
- 关注哈啰出行金融业务动态，在面试中展现对公司的了解
- 准备一个数据挖掘或风控相关的项目案例，体现逻辑分析和解决问题的能力
- 突出使用 Java/Python 进行数据处理的项目经验，尤其是金融相关项目
- 强调 SQL 和大数据处理工具（Hive、Spark）的实际应用能力
- 展示对风控概念的理解，如信用评分、反欺诈模型等
- 提前学习风控特征工程相关知识和案例
- 熟悉 Pandas、NumPy 的高级用法，练习大规模数据清洗
- 了解信用评分卡、决策树等常见风控模型
面试指南
- 对于概念性问题，先给出定义，再结合实际业务场景举例说明
- 对于技术问题，展示思考过程，先拆解问题，再给出代码或逻辑步骤
- 对于开放性问题，从多角度分析，体现知识深度和广度
- 请简述你对风控特征工程的理解以及常见的特征类型
- 用 Python 描述如何处理一个包含缺失值和异常值的数据集
- 如何评估一个特征对风控模型的效果？你会使用哪些指标？
- 请写一条 SQL 查询语句，从用户交易表中提取最近30天的交易频率
- 你了解哪些风控模型？请简单介绍一个
匹配度报告
64
综合匹配度
大厂实习，技术成长快，薪资较低，需每周4天现场办公。
适合人群
适合追求技能成长和行业经验积累的实习生，薪资和灵活性不是主要关注点。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利40
成长发展85
工作生活60
使命价值70
薪资福利匹配
40较低
实习薪资相对较低，但作为积累经验的跳板，长期收益较大。JD未提及具体福利。
薪资信号未披露 (3K-6K/月)
成长发展匹配
85较高
实习内容涉及前沿的风控特征工程和大数据处理，技能提升空间大，但JD未明确提及晋升路径。
技术前沿主流现代技术
技术栈Java、Python、SQL、Hive、Spark、风控特征
成长机会长期实习优先
业务类型ambiguous
工作生活匹配
60中等
需要每周4天现场办公，实习周期至少3个月，灵活度一般。JD未提及WLB相关信息。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
金融风控有助于防范信贷风险，具有一定的社会意义，但实习岗位的直接社会影响力有限。
行业发展高速增长赛道
社会影响中性/一般
创新程度稳健跟随主流
Watch Jobs