岗位职责 (Key Responsibilities):
1.
模型效果闭环分析与评估：
a. 持续跟踪模型输出的高危用户名单在实际业务场景中的应用效果，建立并维护模型应
用效果的监控看板和评估体系。
b. 通过A/B测试、用户群组对比等科学方法，量化评估模型在客户挽留成功率、营销活
动响应率、ROI等方面的实际业务价值。
c. 撰写模型运营分析报告，向业务团队和管理层清晰地阐述模型表现，并基于数据提出
模型迭代或应用策略的优化建议。
2.
3.
流失归因深度分析与策略输出：
a. 结合模型预测结果与CRM、用户行为、网络质量、竞对动态等多维数据，开展流失原
因的深度专题分析，洞察不同用户群体的核心流失驱动因素。
b. 构建流失用户画像，识别关键的流失预警信号和“异动事件”，为模型引入实时动态调
整机制提供数据支持。
c. 输出高质量的《客户流失归因分析报告》，不仅要解释“为什么流失”，更要提出具体、
可落地、数据驱动的应对策略建议（如产品优化、服务流程改进、精准营销方案等）。
中间层特征挖掘与提炼：
a. 深度理解电信业务逻辑，对现有的海量原始数据进行系统性的加工、聚合与提炼，构
建能够提升模型预测能力的中间层特征。
b. 负责新特征的定义、计算、验证和维护，构建并丰富项目的核心特征库（Feature
Store）。例如：客户消费饱和度、社交网络影响力、家庭业务绑定强度、终端使用偏好
等复合指标。
c. 与算法工程师紧密协作，将验证有效的中间层特征应用到模型的迭代优化中，持续提
升模型精准率与召回率。
任职要求 (Qualifications):
 学历与经验： 计算机、统计学、数学、信息管理等相关专业本科及以上学历；2-5年数据
分析或数据运营相关工作经验。
 核心技术能力：精通SQL，尤其擅长Hive QL，能够独立完成复杂业务场景下的数据提
取、清洗、整合与分析工作；有大数据量下的SQL性能优化经验者优先。
 核心软实力：优秀的数据敏感度和深刻的业务洞察力，能够从纷繁复杂的数据中发现规
律、定位问题，并形成自己独到的见解和判断。
 具备严谨的逻辑思维能力和结构化分析能力，能够将模糊的业务问题拆解为可分析的
数据问题。
 出色的沟通表达和报告撰写能力，能用通俗易懂的语言将数据结论和专业建议清晰地
呈现给业务方。
 态度与精神：具备强烈的好奇心和主动性，不满足于“取数”，乐于钻研数据背后的业务逻
辑和潜在机会。
 有责任心，工作细致，能保证数据和结论的准确性。
加分项 (Bonus Points):
 熟练使用Python（Pandas, NumPy, Matplotlib/Seaborn）进行数据处理、统计分析和可视
化。
 有电信行业、互联网用户增长或大型零售行业的数据分析经验，深刻理解客户生命周期运
营。
 了解机器学习基本原理，有与算法团队协作进行模型特征工程或效果评估的经验。
 有使用Tableau, Power BI, Superset等 BI工具进行可视化报表开发的经验。