杭州数据分析主管
数据分析主管是负责领导和管理数据分析团队的职位。他们负责制定数据分析策略、监督数据收集和处理过程、开发数据模型和算法、进行数据挖掘和解释分析结果。数据分析主管需要与业务团队合作,了解业务需求,制定相应的分析方案,帮助企业做出基于数据的决策。此外,他们也负责监督团队成员的工作进展、指导团队成员的技术成长、评估团队成员的绩效。数据分析主管需要具备扎实的数据分析和统计学知识,熟练运用数据分析工具和编程语言,具备良好的领导能力和沟通能力,能够推动团队高效协作,为企业创造价值。
薪酬概览
平均月薪
¥8500
中位数 ¥8000 | 区间 ¥7000 - ¥10000
数据来源:谈职全网13份招聘数据;更新时间:2026年7月13日
月薪分布
53.8% 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
6月新增岗位
5
对比上月:岗位减少26
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 |
|---|---|---|
| 应届 | 2 | 100% |
热招职位
1. 基于对各业务单元商业模式的理解,沉淀分析体系与指标框架,有效进行业务现状还原、问题定位与成因分析;
2. 与数据技术部门配合,建设并持续迭代集团层面看板与数据可视化,保障可用性、准确性与一致性;
3. 参与集团级核心目标体系的建设与重构,建立自动化监控、异常检测与告警机制;
4. 对业务战略及策略进行周期追踪,通过多种手段评估策略其有效性,为策略制定与演进提供量化证据;
5. 与集团CFO线、安全线等其他团队充分协作,参与集团核心场景的数据建设与披露工作。
1、参与飞猪旅行行业中服务业务的数据模块开发,建设面向业务及研发构建数据分析能力。
2、负责飞猪服务的数据资产相关的数据管理和开发工作,如设计埋点采集方案、数据清洗、业务逻辑还原、海量数据即席或预计算、数据安全和使用权限规范的制定,并推动实施落地,提供数据解决方案。
3、推进湖仓一体架构演进,引入数据湖技术,设计混合计算架构,提升实时与离线任务的开发效率、可维护性及迭代敏捷性。
4、参与AI辅助效能提升。
如果你想参与阿里大数据的采集、存储、处理,通过分布式大数据平台加工数据,支持业务管理决策;
如果你想参与阿里大数据体系的模型设计、开发、维护,通过元数据、质量体系有效的管理和组织EB级的数据;
如果你想参与阿里大数据产品的研发,发挥你的商业sense,通过数据分析和算法来洞察数据背后的机会,来探索大数据商业化;
如果你想接触世界领先的大数据处理与应用的技术和平台,获得大数据浪潮之巅的各类大牛的指导;
那就加入我们吧!
1. 数据资产全景与指标体系构建:负责搭建数据资产全景视图,提炼关键业务指标,通过数据洞察市场趋势,为决策层输出专业数据建议
2. 全链路效率监控与优化:围绕AI模型训练场景,构建数据全链路转化漏斗监控体系,追踪各环节转化率与周期效率,识别并推动解决流程卡点,保障数据高效流转
3. 反馈闭环建设与质量评估:建立从数据反馈出发的优化体系,统一拉齐数据质量评估标准,指导提升数据质量的提升及需求的衔接度
4. 跨团队协作与决策支持:协同数据开发、算法团队优化大模型训练效果,设计实验监控模型的反馈结果,给出量化的指标和建议,促进模型的不断优化
1. AI数据资产体系建设:负责核心AI数据资产体系,结合业务需求与数据算法能力,主导大数据的处理、解析、分析、挖掘、研发及优化工作。
2. 合成数据与数据多样性:主导结合场景的合成数据多样性生产: 探索基于 AI 模型的合成数据技术,主动解决特定领域(如逻辑推理、长尾语种)的数据稀缺问题。
3. 基于大模型做特征筛选、小模型蒸馏、小模型效果评估,主导欺诈评分等能力建设上。
4. 数据驱动的生产闭环:基于评测/资产结论,将其转化为工程层面的“数据增强策略”。通过反馈快速构建数据生产流程形成数据供给的闭环。
5. 持续跟踪及探索Data + AI方向的行业进展(如Data Agent、AIOps、湖仓一体智能优化等),主动开展技术预研与原型验证,推动先进技术在公司中的适配与规模化应用。
1. 负责情报团队的数据能力和体系建设,通过沉淀丰富的档案能力支持复杂多变的情报业务。
2. 重点围绕商品数据构建商品档案库、挖掘潜在业务领域知识,用数据提升业务效能,向业务前线直接贡献价值。
3. 通过深入理解业务及策略,抽象业务过程、沉淀可复用的数据洞察能力,提供系统性的解决方案。
4. 借助大模型实现日常数据开发的 Agent 工作流。
1.面向阿里集团语音大模型及相关业务场景,参与"评测→数据→训练→再评测"闭环中的数据侧工作,建立从评测信号到数据规格的转化机制,覆盖组件级、系统级、产品能力评测发现的数据需求;
2.执行数据配方实验,通过系统实验研究数据规模、配比、质量对模型行为的影响——这是行业尚无系统答案的研究命题;
3.建设数据质量度量体系,将评价标准从"交付量与标注准确率"升级为"数据对模型效果的可量化贡献",并参与数据质量标准的建设与验证;
4.建设端到端数据基础设施——采集、清洗、标注、质控、版本管理的自动化(不可变原则与血缘追踪),以及 AI 预标注 + 人工校正流程的最优配比研究;
5.对接算法与模型训练团队,基于实验证据回答"下一轮应使用什么数据。
1. AI数据资产体系建设:负责核心AI数据资产体系,结合业务需求与数据算法能力,主导大数据的处理、解析、分析、挖掘、研发及优化工作。
2. 合成数据与数据多样性:主导结合场景的合成数据多样性生产: 探索基于 AI 模型的合成数据技术,主动解决特定领域(如逻辑推理、长尾语种)的数据稀缺问题。
3. 基于数据语义化,利用大模型做资产库的AI native 的自动生产。
4. 数据驱动的生产闭环:基于评测/资产结论,将其转化为工程层面的“数据增强策略”。通过反馈快速构建数据生产流程形成数据供给的闭环。
5. 持续跟踪及探索Data + AI方向的行业进展(如Data Agent、AIOps、湖仓一体智能优化等),主动开展技术预研与原型验证,推动先进技术在公司中的适配与规模化应用。
数据技术及产品部-AI 数据研发工程师-数据公共层建设/数据语义层建设
1、主导面向Agent的新型数据语义层架构设计与落地,推动数据资产从数据表向智能体可理解、可调用、可推理的消费模式演进;
2、负责端到端数据建模设计与开发交付,基于流批一体架构(Flink + Spark + Paimon)实现业务模型的统一构建与服务;
3、负责数据质量治理与链路稳定性保障,建立覆盖全链路的监控告警、血缘追踪,确保关键数据任务满足SLA要求;
1、 清晰的分析逻辑以及良好的业务洞察能力,能快速发现问题、拆解问题并定位到影响业务的关键点;
2、 数据处理能力强,可使用多种方式提取数据并进行分析,熟练掌握hive、SQL、excel等相关数据提取工具;
3、 良好的沟通能力和团队协作能力,能够有效地和业务方,数据技术团队沟通交流,并且能够以分析师的视角给业务提供建议;
4、 结构化思维,能定位、解构问题,并有初步解题能力;
5、 良好的数据敏感度,能从海量数据提炼核心结果,能独立编写商业数据分析报告;
1、 清晰的分析逻辑以及良好的业务洞察能力,能快速发现问题、拆解问题并定位到影响业务的关键点;
2、 数据处理能力强,可使用多种方式提取数据并进行分析,熟练掌握hive、SQL、excel等相关数据提取工具;
3、 良好的沟通能力和团队协作能力,能够有效地和业务方,数据技术团队沟通交流,具有跨团队的推进项目的能力,并且能够以分析师的视角给业务提供建议;
4、 具备数据运营与产品运营能力,针对业务问题,可以透过实验设计,并制定有效解决方案及衡量方法;
5、 良好的数据敏感度,能从海量数据提炼核心结果,有丰富的数据分析、挖掘、清洗和建模经验,能独立编写商业数据分析报告;
6、 有AI产品分析相关经验,了解C端AI产品、AIGC内容生成、大模型评估相关的优先。
• 主导GPU服务器在Linux系统下的兼容性、压力稳定性及异常场景(宕机、GPU掉卡、PCIe/NVLink链路抖动/中断、ECC错误激增、固件升级失败等)专项测试;
• 深度参与GPU驱动、固件、CUDA生态组件的测试方案设计与自动化脚本开发(Python/C++/Shell);
• 熟悉GPU服务器典型故障注入与诊断工具链(如:基于nvidia-smi/nvml、dcgmi、ipmitool、core dump分析、kdump/kexec等);
• 联动硬件、驱动、固件、BMC团队,对重大系统级问题(如reboot loop、panic on GPU reset、nvlink topology mismatch)开展跨层级日志采集、时序分析与闭环验证;
• 输出高质量测试报告、故障模式库(FMEA)、调试SOP及可复用的回归用例集。
团队介绍
我们负责阿里巴巴集团HR域的AI产品研发,致力于让阿里巴巴全球化运营和协同更高效。
职位描述
1. 负责 CPO 领域AI相关产品的全流程开发,包括但不限于大模型 Agent 应用的架构设计、工程实现、系统部署及迭代优化,部分场景端到端的全链路交付;
2. 深入理解业务,主导技术架构设计及核心开发工作,推动技术架构升级和线上产品的用户体验提升,助力业务目标高效达成。
3. 协同业务,产品,技术一起,高效协同作战,有效达成业务目标。