原来数据类岗位就是干这些事啊

 这次就和大家聊聊数据有关的岗位，主要还是自己想了解且感兴趣的，包括数据分析师、数据开发、算法工程师、大模型应用工程师等等。

岗位介绍主要分为核心职责和技能要求两个方面，是以大模型为基础，结合BOSS等招聘平台整理出来的，可以为大家了解岗位做些参考。

数据分析师

核心职责

• 数据处理：清洗、整理原始数据（SQL/Excel/Python），搭建业务指标监控体系（如DAU、GMV）。
• 分析洞察：通过统计分析方法（如漏斗分析、归因分析）解读数据，输出结论性报告。
• 可视化呈现：利用Tableau/Power BI制作可视化看板，向业务方直观传达数据结论。
• 决策支持：基于数据提出业务优化建议（如用户增长策略、活动ROI评估）。

技能要求

• 工具：SQL、Excel、Python/R、数据可视化工具（Tableau/Power BI）。
• 方法论：A/B测试设计、用户分层模型（RFM）、指标体系搭建。
• 统计学基础：掌握描述性统计、回归分析、假设检验等。
• 软技能：业务理解、跨部门沟通能力。

数据开发

核心职责

• 数据管道搭建：设计并维护数据采集、存储、传输的流程。
• 数据平台开发：构建数据仓库、数据湖，支持大数据分析。
• 性能优化：提升数据管道效率（Hive SQL调优、Spark资源分配策略）。

技能要求

• 编程语言：Java/Python/Shell，熟悉SQL。
• 大数据技术：Hadoop生态、Spark、Flink。
• 数据库：MySQL、Redis、分布式数据库（如ClickHouse）。
• 架构设计：熟悉数据分层（ODS/DWD/DWS）、数据治理。

算法工程师

核心职责

• 模型开发：构建机器学习模型（如推荐系统、风控模型），优化算法性能。
• 特征工程：挖掘有效特征（用户行为序列Embedding、时空特征构造）。
• 工程落地：将算法封装为API服务（Docker+K8s部署），实现线上推理。
• 前沿探索：跟进大模型、AIGC等技术（如LoRA微调、Prompt Engineering）。

技能要求

• 算法基础：熟练掌握LR/GBDT/Transformer等模型原理。
• 编程能力：Python（PyTorch/TensorFlow），熟悉C++/Java。
• 数学功底：线性代数（矩阵分解）、概率论（贝叶斯网络）。
• 编程语言：Python、Java、Scala等。

数据产品经理

核心职责

• 需求挖掘：梳理业务方数据需求（如运营需要实时GMV看板）。
• 产品设计：规划数据产品功能（用户画像平台、AB测试平台）。
• 项目管理：协调数据开发、算法团队推进产品落地。
• 效果评估：通过用户活跃度、ROI等指标验证产品价值。

技能要求

• 数据分析：熟悉埋点设计、漏斗分析方法。
• 产品工具：Axure/Figma原型设计、Jira项目管理。
• 技术理解：了解数据仓库基础概念、算法应用场景。

大模型应用工程师

核心职责

• 场景落地：将大模型应用于垂直领域（医疗/法律/金融知识增强）。
• Prompt工程：设计高质量prompt模板及few-shot示例。
• RAG开发：构建检索增强生成系统（向量数据库+大模型协同）。
• 工具链搭建：部署LangChain/LLamaIndex等应用框架。

技能要求

• 熟悉主流大模型API（GPT-4/Claude/Gemini）调用及微调。
• 掌握知识图谱构建、文本向量化（BERT/Contriever）技术。
• 熟悉大模型优化技术链：SFT、RLHF、DPO。

公路数字化研究

核心职责

• 从事BIM+GIS相关工程数字化研究，科研、标准、理论研究。

技能要求

• 熟悉BIM+GIS技术，数字城市、智能建造。
• 熟悉公路工程建设、运维养护、智慧公路。

最后

我之前一直在干数据分析师，所以上面这些岗位中最契合的就是数据分析师，但也干过数据建模之类的工作，所以对于挖掘、算法也有一定的了解。

现在大模型如火如荼，有机会肯定还是想尝试一下进入该领域。

另外，还有两个看似乱入的岗位，但其实反而是可能的方向，一个是数据产品经理，另一个是公路数字化研究，都是曾经工作中想尝试的方向。

最后具体做什么还不得而知，我也会继续探索下去，在前景和兴趣之间找个平衡。