岗位职责​

1.
​业务建模与分析​

·
基于零售业务场景（销售预测、库存优化、客户行为分析、营销活动评估等），运用统计分析方法（如回归分析、假设检验、聚类分析、时间序列分析等）构建数据驱动的业务模型，提取关键业务洞察。

·
结合业务目标设计实验方案，通过A/B测试等方法验证模型效果并推动落地。

2.
​数据开发与处理​

·
清洗、整合多源数据（交易数据、用户画像、POS系统、供应链数据等），建立标准化的数据分析流程。

·
开发自动化数据管道，利用SQL/Python/R提取特征，支持模型训练与业务决策。

3.
​算法设计与优化​

·
根据业务需求设计机器学习算法（如分类、回归、推荐系统），结合统计方法优化模型性能（如过拟合控制、鲁棒性提升）。

·
部署模型至生产环境，监控模型效果并进行迭代改进。

4.
​跨部门协作​

·
与业务部门（如市场、运营、供应链）、数据工程师及产品团队紧密合作，将分析结果转化为可落地的业务策略。

​任职要求​

1.
​教育背景​

·
计算机科学、统计学、数学、经济学等相关专业本科及以上学历；优先考虑具备硕士学历或海外留学背景者。

2.
​技术能力​

·
​编程语言：精通Python/R，熟悉Pandas、NumPy、Scikit-learn、StatsModels等数据分析库。

·
​统计工具：熟练掌握假设检验、贝叶斯统计、多元回归、生存分析、因果推断等统计方法论。

·
​数据可视化：熟练使用Tableau/Power BI、Matplotlib/Seaborn进行数据可视化与报告输出。

·
​机器学习：了解XGBoost、LightGBM等算法，熟悉模型评估指标（如RMSE、AUC-ROC）。

·
​数据库：熟练使用SQL进行复杂查询与数据建模。

3.
​零售业务理解​

·
对零售行业有深刻理解，熟悉常见业务场景（如促销策略、库存周转、客户生命周期管理等）。

·
具备将统计分析与业务痛点结合的能力，能快速提出可行解决方案。

4.
​其他要求​

·
逻辑清晰，擅长从海量数据中发现规律并提出创新性观点。

·
良好的沟通能力与抗压能力，能够适应快节奏的互联网零售环境。

​加分项​

·
有零售行业数据分析/算法落地经验者优先（如电商、快消品、连锁超市）。

·
熟悉Python/R在业务分析中的高级应用（如自动化报表、特征工程）。

了解零售业常用工具（如SAS、SPSS）或商业智能平台（如Snowflake、Databricks）。