杭州大数据挖掘工程师
大数据挖掘工程师是指负责利用大数据技术和工具，挖掘和分析海量数据来提供商业洞察和解决业务问题的专业人士。他们负责设计和实施数据挖掘模型，开发数据挖掘算法以及构建和管理大数据平台。此外，他们还需要协作跨部门团队，理解业务需求，并将数据分析结果转化为实际业务应用。大数据挖掘工程师通常需要精通数据挖掘和机器学习技术，熟悉大数据处理工具和技术如Hadoop、Spark等，能够处理结构化和非结构化数据。他们也应具备良好的沟通能力和团队合作精神，以便能与数据科学家、工程师和业务团队协作，共同推动数据驱动的业务决策。
薪酬概览
平均月薪
¥16500
中位数 ¥19000 ｜ 区间 ¥13000 - ¥20000
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
60% 人群薪酬落在 15-30k
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19
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 | 5 | 100% |
热招职位
1.计算机、软件工程、数据科学、统计学等相关专业本科及以上学历；
2.2年以上大数据开发、特征工程或算法工程相关经验，有电商搜索推荐场景的特征体系建设经验优先；
3.精通 Spark/Flink 等大数据计算框架，具备大规模实时与离线特征开发经验；具备数据挖掘能力，能基于业务洞察挖掘高价值特征；
4.熟悉特征工程体系，熟悉特征价值评估方法（如特征重要性、SHAP、模型增益分析等）；了解 Feature Store 架构与实践经验；
5.熟悉 LLM 应用开发，有基于大模型构建数据推荐、SQL 语义解析、智能问答等系统的经验优先。
1、本科及以上学历，统计学、经济学、数学、计算机等相关专业优先，3年以上数据分析相关经验。
2、熟练使用 SQL、Python/R 以及 Qoder 等数据处理和分析工具；有处理非结构化数据经验、能结合AI能力提效者优先。
3、有电商、用户、供给、供应链、AI产品等方向的分析及策略落地经验，能将数据结论有效转化为业务行动。
4、逻辑清晰，沟通表达能力强，自驱力突出，具备主动思考和前瞻性提效的意识，能从被动响应需求转为主动驱动业务。
5、具备良好的跨团队沟通与项目推进能力，能在业务盘面广、节奏快的环境下主动识别分析优先级，高效产出高质量结论。
1. 本科及以上学历，3 年以上互联网商业分析、供给策略，价格分析，经营分析相关工作经验，具有良好的业务洞察力和数据分析能力；
2. 具备良好的SQL和数科分析能力，对AB实验，因果推断熟悉，有复杂实验设计经验的优先；
3. 理解商家商品的经营视角，能够洞察商业本质，挖掘机会点，并能够协调整合资源，推动各方拿到结果；
4. 具有强烈的学习意愿和工作热情，有较强的学习能力，沟通协调能力和执行力，有较好的自驱力。
1. 5年以上数仓ETL开发或者数据分析相关工作经历, 熟悉数据仓库模型设计方法论，
2. 熟悉掌握SQL, 能熟练使用SQL进行数据的清洗、加工、分析等，有一定的SQL调优知识和经验(加分项)
3. 熟悉数据产品和数据管理的知识和技能，包括但不局限于：数据集市设计、数据治理、数据质量、数据运维保障等；
4. 具备基本的财务专业知识, 有互联网财务域数据开发经验者优先
5. 有DATA+AI场景经验的优先考虑；
6. 具备较强的抗压能力、能适应高强度的工作节奏
1、统计学、应用数学、计算机、经济学、运筹学或相关专业本科及以上学历；精通 SQL、Python/R 等数据分析工具，具备高效处理海量交易数据的能力。
2、 扎实的统计学基础，深刻理解因果推断（Causal Inference）理论。熟悉至少一种主流因果推断框架（如 CausalML, DoWhy, EconML 等）或有实际落地经验者优先。熟练掌握常用机器学习算法，并能区分预测模型与因果模型的应用边界。
3、3-5 年互联网大厂数据分析、数据科学或算法相关经验。有电商交易链路、营销策略评估、广告归因或用户增长领域经验者优先。具备完整的 A/B 实验全流程管理经验，或在观察性数据中进行因果效应估计实战经验者极佳。
4、 能够敏锐捕捉交易链路中的关键变量，具备良好的逻辑思维能力和沟通表达能力。结果导向： 不仅能产出分析报告，更能推动分析结论在业务侧落地，具备优秀的跨部门协作能力。
5、AI 相关经验（加分项）：具备一定的数据分析类 Agent/Skill 或者 LLM 后训练（数据预处理、Prompt 工程、模型微调）的实践经验尤佳。
1.本科及以上学历，3年以上互联网商业分析、经营分析相关工作经验，计算机，统计学、数学、经济学专业优先；
2. 具备良好的SQL和数科分析能力，对AB实验，因果推断熟悉，有复杂实验设计经验的优先；
3. 有大促营销玩法等分析经验，能够洞察商业本质，挖掘机会点，并能够协调整合资源，推动各方拿到结果；
4．好奇心强，主动性强，能快速学习，能够独立思考；
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。
1. 围绕KA零售商的行业特点和业务目的，针对性进行数据分析，洞察业务机会点，并提供策略优化建议；
2. 基于业务&项目需求，搭建评估诊断的数据体系，独立完成核心指标的日常监控&异动归因分析，并提炼为可复用的AI辅助分析范式，建立自动预警机制；
3. 深入业务工作流程，主动识别适合引入AI的具体业务场景，并能够独立或联动产技共同开发对应工具提升效率，持续沉淀AI应用案例和方法工具；
4. 围绕“优秀实践案例”、“高质量Prompt”等课题，主动进行归纳总结，对内部业务团队&合作商家进行赋能培训，提升全员AI素养及应用能力，支持业务整体提效。
1. 本科及以上学历，2年以上互联网商业分析、经营分析相关工作经验，计算机，统计学、数学、经济学专业优先；
2. 具备良好的SQL和数科分析能力，对AB实验，因果推断熟悉，有复杂实验设计经验的优先；
3. 有平台视角，能够洞察商业本质，挖掘机会点，并能够协调整合资源，推动各方拿到结果；
4. 好奇心强，主动性强，能快速学习，能够独立思考；
1. 本科及以上学历，2 年以上互联网商业分析、经营分析相关工作经验，具有良好的业务洞察力和数据分析能力；
2. 具备良好的SQL和数科分析能力，对AB实验，因果推断熟悉，有复杂实验设计经验、能结合AI能力提效者优先；
3. 有电商、用户、供给、供应链、AI产品等方向的分析及策略落地经验，能将数据结论有效转化为业务行动。
4. 具有强烈的学习意愿和工作热情，有较强的学习能力，沟通协调能力和执行力，有较好的自驱力。
1. 本科及以上学历，3年以上互联网商业分析、经营分析相关工作经验，计算机，统计学、数学、经济学专业优先；
2. 具备良好的SQL和数科分析能力，对AB实验，因果推断熟悉，有复杂实验设计经验的优先；
3. 有用户视角，能够洞察商业本质，挖掘机会点，并能够协调整合资源，推动各方拿到结果；
4.好奇心强，主动性强，能快速学习，能够独立思考；
1. 计算机相关专业本科及以上学历，1年以上后端 / 算法工程 / AI 应用研发经验，熟练掌握 Python，熟悉至少一门工程语言（Java/Go/TypeScript）。
2. 深入理解大模型基本原理与工程化实践，熟悉 Prompt Engineering、RAG、Function Calling、Agent 编排范式，有基于 LangGraph、LlamaIndex、AutoGen、Dify、AgentScope等框架的实战经验者优先。
3. 具备扎实的系统设计能力，熟悉高并发、分布式、可观测性体系，能独立完成从 0 到 1 的服务搭建与线上稳定性保障。
4. 至少有一段将 AI Agent / LLM 应用推上 C 端或 B 端真实业务、并对核心指标负责的端到端落地经验。
5. 具有持续学习意愿，业务结果导向，能在快速变化的技术环境中保持判断力。
加分项：
1. 有多 Agent 系统、Agentic Workflow、Agent 评测平台、模型微调或后训练经验。
2. 在 AI Agent / LLM 方向有开源项目、技术博客、专利或顶会论文产出。
3. 有内容、社区、用户增长、商业化等 C 端业务场景的 AI 落地经验。
ATH-AI创新事业部-行业解决方案架构师（技术架构方向）-杭州
1. 行业 Skills 开发与架构设计
负责重点行业专属 Skills 的需求分析、架构设计和开发实现
设计和实现 Skills 的统一架构框架，确保可扩展性、可维护性和性能
编写高质量的技术文档、API 接口规范和最佳实践指南
2. 行业解决方案设计与规模推广
基于行业的市场洞察，理解行业客户的业务痛点和功能性/非功能性需求
基于Qoder CLI的基础能力，提供有竞争力的行业解决方案，并落地实施
基于用户的反馈，快速迭代行业解决方案的技术方案，保证产品的持续竞争力
3. 与产研团队协同
基于行业解决方案的落地实施，与产研协同，改进产研基础设施的建设
参与产品路线图规划，从技术架构角度提出产品和技术的演进建议
4. 客户体验与问题闭环
基于用户的反馈，持续优化Skills的能力，持续保障优秀的客户体验