1. 学历与专业：本科及以上学历，数据科学、统计学、计算机科学、自动化、工业工程等相关专业；
2. 工作经验：2年及以上工业领域（如流程工业、离散制造、能源化工等）数据挖掘/分析经验；
3. 核心技能：
掌握数据挖掘算法（如聚类、分类、回归、关联规则、时间序列分析等），熟悉机器学习框架（Scikit-learn、TensorFlow/PyTorch等）；
熟练使用数据处理工具：Python（Pandas、NumPy）、SQL，具备大数据处理能力（如Spark）者优先；
具备工业数据特征工程能力：能从工业时序数据（如传感器、DCS、PLC数据）中提取有效特征；
4. 行业知识：
了解工业生产流程（如化工、冶金、制造等），熟悉工业数据特点（多源异构、高噪声、时序性）；
优先项：熟悉流程工业（如氧化铝/电解铝、炼化）数据场景，或具备设备故障预测、工艺优化、质量分析等工业场景项目经验；
5. 工具能力：
能使用可视化工具（Tableau、Power BI、Matplotlib等）呈现分析结果；
了解工业数据库（如实时数据库PI、InSQL，关系型数据库MySQL/Oracle）；
6. 其他能力：具备良好的逻辑思维、跨部门沟通能力，能独立完成从数据采集、分析到落地的全流程工作。

岗位职责：

1. 数据采集与预处理：
对接工业现场数据（传感器、DCS、MES等系统），完成数据清洗、去重、降噪、缺失值填充等预处理工作；
2. 数据挖掘项目落地：
针对工业场景需求（如设备故障预测、工艺参数优化、产品质量提升、能耗分析等），设计并实现数据挖掘模型；
参与工业时序数据的特征工程，构建适配工业场景的特征体系；
3. 模型迭代与优化：
跟踪模型在工业现场的运行效果，基于实际生产数据迭代优化模型，提升预测/分析精度；
4. 数据可视化与报告：
构建工业数据可视化看板，向业务部门（工艺、设备、生产）输出可落地的分析报告与决策建议；
5. 跨部门协作：
与工艺工程师、设备工程师、控制工程师配合，理解工业生产痛点，将数据挖掘成果与生产流程结合；
6. 技术沉淀：
沉淀工业数据挖掘方法论与工具，参与团队数据平台、算法库的建设与维护。
7.技术研究与应用：跟踪行业技术发展趋势，引入新技术、新模型提升开发效率与产品竞争力；推动团队技术创新与知识分享，提升团队整体技术水平。