工作職責(zé)：1.與業(yè)務(wù)部門(mén)緊密溝通，深入理解業(yè)務(wù)邏輯，將模糊的業(yè)務(wù)問(wèn)題轉(zhuǎn)化為清晰的數(shù)據(jù)分析需求。參與設(shè)計(jì)和完善公司核心業(yè)務(wù)的數(shù)據(jù)指標(biāo)體系。
2.負(fù)責(zé)集團(tuán)數(shù)據(jù)底座及主數(shù)據(jù)的建設(shè)及維護(hù)工作。制定和執(zhí)行數(shù)據(jù)治理規(guī)范，包括數(shù)據(jù)口徑的統(tǒng)一、數(shù)據(jù)字典的維護(hù)、數(shù)據(jù)安全與權(quán)限管理，確保數(shù)據(jù)在組織內(nèi)被正確、安全地使用。
3.負(fù)責(zé)或參與數(shù)據(jù)倉(cāng)庫(kù)的模型設(shè)計(jì)和維護(hù)。使用ETL工具（如Kettle, DataStage, dbt）或SQL、Python腳本，從業(yè)務(wù)數(shù)據(jù)庫(kù)、日志文件等多源系統(tǒng)中抽取、清洗、轉(zhuǎn)換和加載數(shù)據(jù)，構(gòu)建高效、可靠的數(shù)據(jù)模型。
4.基于業(yè)務(wù)需求，使用主流BI工具（如Tableau, Power BI, FineBI, QuickBI等）設(shè)計(jì)、開(kāi)發(fā)并優(yōu)化靜態(tài)報(bào)表和交互式數(shù)據(jù)儀表盤(pán)，將數(shù)據(jù)直觀地呈現(xiàn)給業(yè)務(wù)部門(mén)，助力決策。
5.響應(yīng)業(yè)務(wù)方的臨時(shí)數(shù)據(jù)提取需求，編寫(xiě)復(fù)雜SQL查詢(xún)以快速提供數(shù)據(jù)支持。針對(duì)關(guān)鍵業(yè)務(wù)問(wèn)題進(jìn)行深度專(zhuān)題分析，挖掘數(shù)據(jù)背后的原因，并形成分析報(bào)告。
6.建立數(shù)據(jù)質(zhì)量監(jiān)控規(guī)則，定期核查數(shù)據(jù)的準(zhǔn)確性、完整性和一致性，及時(shí)發(fā)現(xiàn)并推動(dòng)解決數(shù)據(jù)異常問(wèn)題，確保數(shù)據(jù)源的可靠性和數(shù)據(jù)結(jié)果的公信力。
7.基于數(shù)據(jù)分析結(jié)果，形成有價(jià)值的業(yè)務(wù)洞察，提出切實(shí)可行的改進(jìn)建議或策略方案，并通過(guò)報(bào)告、演示等方式向管理層和業(yè)務(wù)團(tuán)隊(duì)匯報(bào)，直接驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)和效率提升。
8.跟蹤和評(píng)估數(shù)據(jù)分析領(lǐng)域的新技術(shù)、新工具，參與團(tuán)隊(duì)內(nèi)部的技術(shù)選型。持續(xù)優(yōu)化現(xiàn)有的數(shù)據(jù)分析流程、SQL查詢(xún)性能和儀表盤(pán)加載速度。
9.編寫(xiě)和維護(hù)清晰的技術(shù)與業(yè)務(wù)文檔，并積極分享數(shù)據(jù)分析方法和最佳實(shí)踐，提升團(tuán)隊(duì)整體數(shù)據(jù)能力。
10.優(yōu)化、備份、檢查、測(cè)試各類(lèi)業(yè)務(wù)數(shù)據(jù)庫(kù)，保障集團(tuán)數(shù)據(jù)安全。
崗位要求：1.碩士研究生，科學(xué)與技術(shù)、軟件工程、信息與計(jì)算科學(xué)、智能科學(xué)與技術(shù)、信息管理與信息系統(tǒng)。
2.數(shù)據(jù)分析與建模：精通統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)算法，精通SQL及數(shù)據(jù)處理庫(kù)，并能使用Python（Pandas, Scikit-learn, TensorFlow/PyTorch）或R語(yǔ)言進(jìn)行數(shù)據(jù)挖掘和建模。
3.數(shù)據(jù)處理：熟悉大數(shù)據(jù)技術(shù)棧（Hadoop, Spark, Hive）、數(shù)據(jù)倉(cāng)庫(kù)（如Data Warehouse）和ETL工具。
數(shù)據(jù)可視化：熟練使用Tableau, Power BI, FineBI等工具，將數(shù)據(jù)轉(zhuǎn)化為洞察。