北京信息数据统计员
信息数据统计员是负责收集、整理和分析各种数据，并生成相关报告和统计图表的专业人员。他们通常利用统计学和信息技术方法来处理大量数据，以便为公司或组织做出决策提供支持。信息数据统计员需要具备专业的统计分析技能和对数据库管理系统的熟练运用能力，能够使用统计软件进行数据处理和分析。他们还需要具备良好的沟通能力，能够与不同部门的同事合作，理解他们的需求并提供准确的数据报告。信息数据统计员在市场、财务、医疗、教育等行业都有需求，他们通过数据分析和报告，帮助组织做出明智的决策，推动业务发展。
薪酬概览
平均月薪
¥8300
中位数 ¥7500 ｜ 区间 ¥6700 - ¥9900
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
66.7% 人群薪酬落在 0-8k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
5月新增岗位
5
对比上月：岗位减少13
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 1-3年 | 5 | 100% |
热招职位
1.负责元宝业务数据分析，洞察业务机会，发现业务问题，为产品迭代提供决策依据；
2.负责用户增长相关数据科学工作，通过ab实验、因果推断等方法，构建科学严谨的评估体系，对业务收益进行评估，并提出优化建议，推动策略优化带来业务增长；
3.负责元宝业务的指标体系搭建，包括数据链路建设，基础数据维护，数据报表构建；
4.探索统计、机器学习、因果推断等方法论，并推动相关方法在业务落地，产生业务影响力；
5.持续产出行业洞察，跟踪分析竞争对手、行业趋势等，形成商业分析并洞察其中的机会；
6.有大型互联网公司AI产品策略分析，驱动策略迭代效果提升经验的候选人优先。
数据分析分为市场数据分析岗、财产险理赔数据分析、车险理赔数据分析。
1、市场数据分析岗：
（1）开展市场研究、动态预测等，协助拟定产品策略，明确产品开发方向；
（2）根据公司发展方向及产品策略，收集、整理产品信息，为业务开展、产品开发等工作提供信息支持；
（3）拟定公司产品管理制度，完善产品管理流程，管理和维护产品数据信息；
（4）根据公司产品管理和业务部门的业务需求，规划数据开发与应用的短期及中长期目标；
（5）对收集的数据进行分析，与团队一起完成数据分析报告及定向分析报告，对团队数据统计分析工作给予支持配合；
（6）提升团队伙伴数据应用能力，组织技术知识学习，工具应用培训等。
2、财产险理赔数据分析岗：
（1）梳理业务风险点，通过数据识别，对保险产品事前、事中、事后风险进行监控和处置；
（2）了解理赔流程及作业管控要点，建立作业行为数据监控，为作业管理提供数据抓手；
（3）挖掘产品特征，健全理赔场景差异化数据埋点，为产品精细化经营做数据沉淀；
（4）定期进行统计分析，出具各产品理赔经营、作业分析报告。
3、车险理赔数据分析岗：
（1）负责车险理赔考核、评价指标体系规划设置；
（2）负责车险理赔数据、报表系统升级优化；
（3）负责推动理赔数据自动化专项；
（4）负责理赔指标监控、异常洞察、原因分析并撰写相关报告；
（5）负责部门、各专业条线、服务中心数据支持；
1、负责掌阅集团企业级数据建设(涵盖流量、内容、用户、商业化等业务方向)，提供通用、稳定、丰富、高效的公共数据能力，提升
数据支持业务的效率，探索数据增量价值；
2、面向流量、内容、用户、商业化等业务方向，建设专题数据，提供丰富易用的数据服务，直接支持公司业务决策分析，赋能业务；
3、建设企业级数据治理和管理体系，结合业务+元数据+技术，推进资源成本的优化，提高数据服务质量，保障数据产出的稳定性和准确性；
4、参与公司级别商业化相关系统数据设计、研发以及保障。
负责公司国内短剧业务（微信/抖音/快手小程序、端原生）全链路数据分析，搭建数据体系、赋能投放、内容、产品、运营团队，通过数据复盘与归因驱动业务增长。
1. 数据基建与指标体系搭建 基于Hive/SQL完成用户、内容、投放、营收数据基建；搭建国内短剧标准化指标体系；参与BI看数平台、自动化看板建设，支撑业务自助取数与日常复盘。
2. 指标监控与异动归因 常态化监控点击率、完播率、付费转化率、ROI、留存、ARPU等核心指标；针对投放衰减、剧集表现分化、付费流失、小程序跳转损耗等问题快速定位根因，输出归因报告与优化建议。
3. 专项分析与策略落地 承接内容、投放素材分层、用户流转、付费续费、流失召回等专项分析；输出可落地增长策略，跟进上线验证、效果复盘，形成数据闭环。
4. 数据口径治理 协同数据产品拉通全业务、数仓、BI、报表统一口径，编制指标字典，消除跨部门看数偏差，规范全公司数据标准。
1、负责多模态数据处理链路的推理优化，分析性能瓶颈，软硬件结合优化，实现包括语言识别、计算机视觉等多方向的推理优化，达到极致性能；
2、负责多模态数据处理链路的可观测性工具建设，包括数据处理、模型推理的监控、告警等；
3、负责异构资源（GPU、CPU等硬件）的调度优化，实现潮汐资源、混部资源、多云资源的最优化调度
4、负责集群和业务服务的稳定性治理、资源利用率提升，通过系统化方式提高GPU、CPU等硬件资源的使用效率。
5、参与设计高吞吐、低延迟的数据处理 pipeline。针对大模型数据处理场景（如LLM、多模态），优化数据清洗、预取、缓存及异步加载策略，确保数据大规模产出。
负责搭建并管理面向多模态视频领域大模型的全链路数据体系，包括数据评测、加工、合成与标注。作为模型算法团队与数据采集团队的核心桥梁，确保高质量、多样化数据供给。主要工作包括以下：
1. 评测体系构建：主导多模态视频领域大模型的评测标准制定，建立涵盖理解、生成、对齐、安全四大维度的评估框架，设计人工评测与自动评测相结合的混合评估方案，搭建评测数据集、生产管线，建立与SOTA模型（GPT-4V、Claude、Gemini等）的对比评测机制，输出专业评测报告。
2. 数据链路架构：构建大规模多模态训练数据的全生命周期处理链路：采集→清洗→去重→质量筛选→格式标准化→安全过滤，搭建数据质量监控体系，建立数据价值评估模型，确保高信息密度数据的持续供给；
3. 标注规范与质量体系：制定细粒度多模态标注规范：图像详细描述、视频时序标注、跨模态对齐、复杂推理链标注等；建立分层质检机制：机器预检→人工抽检→专家终审，确保标注的质量；设计标注人员培训体系与能力认证标准，搭建领域专家标注团队。
1.贯彻集团数据标准体系，负责集团财务领域（资产、成本、费用、收入、利润、现金流等）核心数据对象与指标体系的治理，包括主数据管理、元数据管理、数据模型设计规范等，推动标准在数仓建设与BI应用中落地执行。
2.负责相关业务领域的数据治理规划，完成数据标准、数据质量、数据安全、数据资产管理等建设实施落地。保障财务数据的准确性、完整性和一致性，提升财务领域数据服务能力。承接集团财务主数据、涉财业务主数据的数据标准制定、数据治理工作开展和主数据运营管理。
3.独立完成或指导实施数据开发、BI分析看板、数据质量评估、问题溯源改进等专项建设任务。
4.主导集团级财务指标口径统一与管理口径沉淀，解决跨系统、跨组织的数据不一致问题。负责财务系统数据治理，确保系统的数据质量及流程合规，管理财务数据目录和数据标准，统筹推进数据入湖和应用。推动数据治理与业务服务深度融合，支撑经营分析、财务数字化、穿透式监管等关键场景的数据需求。
5.跟踪数据治理前沿技术与行业实践，持续优化治理体系与工具能力。
1、机器人动作数据质量筛查：在已有基础筛查流程上，引入运动学维度的质量评估，包括关节速度/加速度异常检测、动作轨迹平滑度分析、连续性异常识别等，过滤低质量动作数据。
2、数据自动化标注：开发更细粒度的自动标注算法，如动作阶段切分、关键帧提取、失败原因归因等。
3、数据工具建设：参与数据处理脚本和可视化/评估工具的开发，支撑团队持续迭代数据质量策略。
1、参与制定销售策略，基于业务目标及策略方向，借助AI工具搭建月度/周度经营监控体系，结合AI异常检测功能自动识别业务异动，有效的监控业务异常及机会点的识别，并能够结构化沉淀出周、月报；
2、了解大客户销售作业模式，建立销售过程管理评估体系，有效对过程进度进行监控及分析识别优化空间，及时给予销售策略及销售过程管理给予迭代建议；
3、了解品牌经营模式，能够理解品牌经营逻辑，搭建品牌下的分层分类体系，更好的洞察识别行业及品类机会。
（1）负责集团数据治理项目的整体规划与实施管理，制定数据治理战略与路线图；
（2）建立数据标准体系、数据质量管理体系与数据安全体系；
（3）协调各业务部门推进数据治理工作，确保项目目标达成；
（4）制定数据资产价值评估模型，推动数据资产化管理；
（5）建立数据治理长效机制，培养数据治理专业团队。
• 收集、分析、监测市场业绩等基础数据，为洞察最佳案例提供线索和数据支持；
• 综合分析案例数据，挖掘最佳及不佳案例的核心指标，并为选取最佳案例提供参考依据；
• 持续追踪案例相关营销人员的业务与行为数据，提炼总结业务洞察，优化工作流
• 参与部门制定活动计划及方案，包括活动文案的策划，创意，撰写；活动预算、执行，跟踪，总结。