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.承担美团骑行业务线的数仓设计和开发工作。
2.负责骑行财务方向相关数据平台的架构设计与开发，支撑数据采集、清洗、存储与分析全流程。
3.负责数据质量、成本、安全等各方向数据治理工作。
4.构建高可用、可扩展的数据处理系统，优化数据模型与计算性能，提升数据服务效率。
5.负责数据Agent落地、迭代，推动AI自动化运维、端到端需求交付。
6.与产品、算法、业务团队协作，深入理解骑行场景需求，输出高质量的数据解决方案。
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；
4、横向统筹业务核心项目运营，能够有效的统筹、调配资源，与横向部门协同，推动项目的节奏及目标达成。
主要职责
• 对多模态大模型的研究开发及应用落地，包括但不限于文本、图像、音频等多模态数据的处理和生成
• 开发AI系统，优化门店劳动力分配、管理库存，分析不同地域的经营情况
• 开发和优化个性化推荐系统，提升用户体验和产品销售
• 负责AI在供应链管理、门店选址、库存预测等方面的应用
• 建立数据驱动的文化
• 确保AI和数据系统的安全性、稳定性和合规性
任职要求
• 计算机科学、人工智能、统计学或相关领域硕士及以上学历
• 5年以上数据科学或AI领域工作经验，3年以上项目管理经验
• 深厚的机器学习、深度学习和大数据技术背景
• 熟悉多模态大模型技术及应用场景
• 具备零售或餐饮行业数字化转型经验优先
• 优秀的沟通能力和商业敏感度
• 具备创新思维，能够将前沿AI技术转化为业务价值
• 熟练使用 AI 辅助开发工具
主要职责
• 对多模态大模型的研究开发及应用落地，包括但不限于文本、图像、音频等多模态数据的处理和生成
• 开发AI系统，优化门店劳动力分配、管理库存，分析不同地域的经营情况
• 开发和优化个性化推荐系统，提升用户体验和产品销售
• 负责AI在供应链管理、门店选址、库存预测等方面的应用
• 建立数据驱动的文化
• 确保AI和数据系统的安全性、稳定性和合规性
任职要求
• 计算机科学、人工智能、统计学或相关领域硕士及以上学历
• 5年以上数据科学或AI领域工作经验，3年以上项目管理经验
• 深厚的机器学习、深度学习和大数据技术背景
• 熟悉多模态大模型技术及应用场景
• 具备零售或餐饮行业数字化转型经验优先
• 优秀的沟通能力和商业敏感度
• 具备创新思维，能够将前沿AI技术转化为业务价值
• 熟练使用 AI 辅助开发工具
1. 结合 DevOps、敏捷研发等理论与研发过程数据，对项目管理、需求、开发、测试、构建、发布、运维等全流程进行效能分析，定位瓶颈并输出可落地改进方案。
2. 负责研发效能指标体系建设与维护，定义标准化度量模型、统计口径与评估方法，支撑研发效率、质量、成本、资源利用率等量化管理。
3. 主导研发效能 Dashboard、数据门户及工作台的数据建设。整合 CI/CD、代码库、项目管理、缺陷管理、测试自动化等多源数据，保障数据质量与数据服务稳定性，并集成AI进行自动化分析。
4. 持续输出研发效能分析报告、诊断结论与改进建议，为管理层决策提供数据支撑。
5. 配合公司研发数字化转型规划，挖掘研发主价值链数字化、智能化场景，参与研发数字化方案落地与效果评估。
1.负责辅助数据分析报告的制作；
2.负责辅助进行报告模板的修改工作；
3.负责部门相关工具链辅助开发工作；
4.负责DMS产品数据的采集；
5.负责产品数据标注、预处理脚本优化；
6.辅助数据分析报告的制作、修改等工作；
7.负责支持部门其他相关工作安排。
蓝星公司-数字化部-数据管理经理 BI Manager
根据蓝星公司数字化部工作安排，负责全球数据治理及数据分析工作。主导挖掘数据分析应用场景、收集相关业务部门需求，构建数据报表与可视化分析看板。负责商业智能类项目全流程管理，从需求分析、方案设计、开发实施到上线交付，提升业务经营效率与数据洞察能力，助力企业数字化运营升级。
1.主导开展数据治理工作，推动数据标准制定、数据质量提升及主数据管理，确保分析数据的准确性、一致性与时效性。
2.统筹境内及海外数据湖、数据仓库架构及BI工具（如Fabric、Power BI等）的项目落地及优化迭代，并主导跨境数据传输项目。
3.负责商业智能类项目全流程管理，从需求分析、方案设计、开发实施到上线交付，确保项目按时保质完成。定期开展业务部门调研与需求收集，洞察业务痛点，识别高价值数据分析应用场景。
4.组织跨部门研讨，将业务需求转化为可落地的数据指标、分析模型与可视化方案。
5.组织编制需求规格说明书，明确指标定义、计算逻辑、数据粒度及权限要求，确保业务语言与技术实现精准对齐。
6.协调业务、数据、IT多方资源，管理项目范围、进度、成本及风险。
7. 公司安排的其他工作。
1、结合业务数据、行业数据、人群数据等进行建模数据分析和数据挖掘，设计实现相应算法，能够衡量、预判并评估产品痛点、人群分布、特性趋势变化等;
2、对用户场景与用户行为进行分析，构建不同人群的行为模型，进行差异化分析，给产品改进提供输入，以提高终端产品质量和用户体验;
3、研究人工智能算法和前沿理论，构建并持续完善大数据能力。
1、分析营销订单配置需求，形成交付配置方案。
2、搭建、维护、校验、发布订单项目BOM，且保证数据的准确性。
3、根据公司变更决策结论，执行订单项目BOM变更，且确保切换的准确性。
4、制定/优化配置和BOM管理流程、规范、操作手册。
1、医疗护理背景，协助跟进项目进度并推动落地、实施和目标达成；
2、收集客户反馈意见和反馈信息，对客户咨询量、转化率等进行分析与统计；
3、擅长数据分析，能利用数据对日常业务提供决策依据，以周/月/季/年度定期形成分析报告，提出工作改善建议；
4、针对客户需求、画像与业务关联进行挖掘分析，支持营销、服务和产品策略。
1、负责测绘内业数据处理和制作；
2、爱岗敬业、能吃苦耐劳，有较强的学习能力与接受能力；
3、做好本岗位的测绘成果归档和档案保密工作；
岗位职责：
1. 监控游戏运营状况，设计、制作、维护数据看板。
2. 洞察数据增长，归纳增长来源；对数据的异动分析原因，推动并监督问题的解决。
3. 设计AB实验方案，验证实验效果。
4. 结合专业知识和业务需求对玩家分群，设计个性化策略并跟踪表现。
5. 挖掘玩家行为特征，建立用户画像，产出分析报告。
6. 对关键指标建立预测模型。
任职资格：
1. 本科以上学历；统计学、数学、金融等相关专业。
2. 3年以上游戏行业数据分析经验。
3. 优秀的沟通能力、部门协作以及团队协调能力。
4. 熟练使用 SQL、EXCEL；熟悉 Tableau、Power BI 等可视化工具中的一种。
5. 熟练使用 python 训练分类、聚类模型；熟悉 xgboost、 lightgbm 等集成学习模型者优先。
6. 对计量经济学、行为经济学有深入了解者优先。
岗位职责：
1. 监控游戏运营状况，设计、制作、维护数据看板。
2. 洞察数据增长，归纳增长来源；对数据的异动分析原因，推动并监督问题的解决。
3. 设计AB实验方案，验证实验效果。
4. 结合专业知识和业务需求对玩家分群，设计个性化策略并跟踪表现。
5. 挖掘玩家行为特征，建立用户画像，产出分析报告。
6. 对关键指标建立预测模型。
任职资格：
1. 本科以上学历；统计学、数学、金融等相关专业。
2. 3年以上游戏行业数据分析经验。
3. 优秀的沟通能力、部门协作以及团队协调能力。
4. 熟练使用 SQL、EXCEL；熟悉 Tableau、Power BI 等可视化工具中的一种。
5. 熟练使用 python 训练分类、聚类模型；熟悉 xgboost、 lightgbm 等集成学习模型者优先。
6. 对计量经济学、行为经济学有深入了解者优先。
1. 数据策略制定：涉及挖掘框架，开发挖掘算子，与模型训练团队深度协作，指导数采团队定向增补高价值数据；通过数据消融实验，科学确定预训练数据、微调数据、难例数据的配比，最大化有限数据的训练收益；建立数据质量评估体系（信息密度、场景分布、标注质量、多样性等）；
2. 构建自动数据生产流水线：研发并维护自动化标注流水线，降低人工标注依赖；
3. 探索利用生成式AI（Diffusion model, NeRF/3D Gaussian）合成高价值训练数据，解决corner case数据稀疏问题；
4. 建立标注质量自动检测机制，确保训练数据的可靠性；
5. 构建数据处理平台：构建TB-PB级数据分布式处理流水线，实现高效去重、过滤、清洗、格式转换；
6. 建立数据版本管理和数据血缘系统，确保训练模型的可复现性和数据溯源；
7. 优化数据存储格式和访问效率，支持模型训练过程中高效数据加载和在线采样
