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.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；
【必备项】
1. 学历经验：本科及以上，3 年以上数据研发 / AI 数据工程 / 数据平台相关工作经验；
2. 数据工程：精通 SQL，熟练掌握 Java / Python / Sql 至少一种；具备扎实的数仓建模（维度建模/范式建模）与ETL 实战经验；
3. 大数据栈：熟悉 Hadoop / Hive / Spark / Flink / MaxCompute / Hologres 至少一套，独立主导过 TB ~ PB 级数据项目；
4. 数据治理：有元数据、血缘、质量、成本治理体系建设经验；
5. AI 数据 / 评测基础：理解 LLM / RAG / Agent 基本原理，了解 SFT/DPO 等训练范式；有 Agent 数据 / 数据合成 / 评测体系 实战经验；
6. 业务素养：能从业务问题出发倒推数据 & AI 方案，能与产品/业务高效协同推动落地。
【加分项】
● 有 电商、商家服务 业务背景
● 有 NL2SQL / 问数 / 数据 Agent / RAG 项目落地经验
● 有 Agent 评测体系（MT-Bench / AgentBench / 自建评测集） 建设经验
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；
数据仓库工程师15-30万年薪
1. 协助架构师，对接业务、数据分析团队，理解业务需求，将需求转化为具体的数据开发任务，支撑报表制作、数据大屏、自助分析等业务场景落地。
2 . 配合架构师完成企业数据仓库分层架构落地，参与ODS/DWD/DWS/ADS各层数据模型设计、开发与迭代，严格遵循数仓建模标准及数据治理规范。
3. 负责海量业务数据的接入、清洗、转换、分层加工，参与离线数仓、实时数仓及数据集市的搭建。
4. 运用Hive、Spark、Flink等大数据组件，完成高效SQL脚本编写、数据同步任务及数据校验脚本等数据开发工作；解决数据同步延迟、数据异常、查询卡顿等常见问题；参与SQL调优、任务性能优化等工作。
5. 完成数据同步工具、自定义UDF、数据服务接口等底层组件的开发与调试，具备基础Java开发能力，能配合完成二次开发工作。
6. 负责数仓日常运维，包括任务调度监控、数据质量排查、元数据维护，沉淀数据资产，配合团队推动数据质量监控体系落地。
7. 学习大数据、云原生数仓新技术，配合架构师完成架构优化，参与降本增效相关工作，保障数仓稳定运行。
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、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.本科及以上学历，计算机、人工智能、数学、统计学等相关专业优先；
2.至少 2 年 AI 应用相关经验，具备互联网或金融科技行业风控领域背景者优先；
3.精通至少一种编程语言（Java/Python），熟悉 SQL 及大数据处理工具（如 Hive/Spark），能独立阅读和分析大型工程代码库；
4.具备大语言模型的工程应用经验，理解 Prompt 工程、RAG、Function Calling/Tool Use 等核心技术的原理与局限；
5.在以下方向至少一项有可验证的深度产出(加分项)：
(1)代码语义理解与知识工程：有代码分析（AST/调用图/Code LLM）结合大模型的实践经验，做过代码到结构化知识的自动化抽取；
(2)Agent 架构设计与工程落地：有从 0 到 1 构建接入真实工具链的 Agent 系统经历，处理过多步推理稳定性、幻觉抑制等实际工程问题；
(3)AI 安全评测与对抗测试：有 LLM 红蓝对抗实操经验，能独立构建业务场景攻击向量与评测集；
(4)具备较强的数据敏感度和问题诊断能力，能通过数据驱动方式持续优化系统表现；
(5)具备目标导向意识，能在多任务并行的情况下合理安排优先级并按时交付结果。
1.计算机、统计、应用数学、运筹学、经济学或者类似专业的教育背景，有通过算法帮助业务获得增长或拓展业务边界与探索出更多业务可能的经验
2.学习能力强，能快速定位和学习电商业务，深入理解业务的前提下能结合业务场景进行前瞻性思考和布局，有电商领域数据驱动业务增长项目经验的优先
3.有商业sense和产品感觉，能结合自身业务通过数据探索商业本质的设计与思考，能够很好地把产品和业务问题转化成分析问题，同时也能够很好地把分析的结果转化成业务决策和数据产品
4.优秀的逻辑思维能力和创造力，能快速学习和持续创新，足够豁达，有好奇心，有热情，有激情
5.团队协作能力佳，责任心强，执行力强，有目标感，抗压能力强，独立、主动的工作态度
6.nlp、搜索推荐、机器学习、深度学习算法经验是加分项