深圳数据挖掘
数据挖掘是一项涉及发现、提取和分析大量数据的过程，以寻找有意义的模式、规律和关联性。数据挖掘从不同数据源中收集大量的数据，然后使用统计学、机器学习和人工智能等技术进行分析，以识别隐藏在数据中的信息。数据挖掘的目标是发现数据中的趋势、模式和关联，提供决策支持和预测能力。数据挖掘可以应用于各个领域，如市场营销、金融、医疗、电子商务等，帮助组织优化业务流程、预测未来发展趋势、发现新的商机和降低风险。数据挖掘工程师需要具备统计学、计算机科学和数据分析方面的知识，熟练运用数据挖掘工具和技术，以及具备良好的沟通能力和问题解决能力。
薪酬概览
平均月薪
¥16800
中位数 ¥17000 ｜ 区间 ¥13300 - ¥20300
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
1月新增岗位
18
对比上月：岗位新增8
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 | 9 | 50% |
| 5-10年 | 9 | 50% |
热招职位
1、负责用户画像标签挖掘、端到端方案设计和开发工作；
2、负责离线/实时标签的开发、部署、维护等工作；
3、负责画像在广告场景的应用，如lookalike、ROI出价、智能定向等。
1.负责SSV相关产品数据分析工作，包括产品数据洞察，运营效果分析，数据分析工具建设等；
2.通过数据分析建立用户洞察，为产品迭代提供指引。提供产品策略的数据支撑；
3.协助建设产品数据体系，完善数据pipeline，定位产品关键问题，支撑ab实验。
1.负责供应链全链路数据整合与标准化数据库搭建维护，制定数据规范保障数据准确一致。
2.开展采购环节数据分析，包括品类成本结构拆解与供应商绩效评估，输出优化建议支撑集中采购或协议谈判。
3.监控库存水平并分析周转效率以制定优化策略，联动生产部门分析物资消耗与生产效率关系，输出消耗标准调整建议降低生产成本。
4.定期输出结构化数据分析报告并可视化关键指标，针对异常数据及时预警，为管理层提供数据驱动的决策支持。
5.跨部门协作解决数据相关问题，推动供应链数据在业务端的应用，协助优化内部系统数据流转以提升使用效率。
1、监管解读：持续跟踪并解读国家金融监督管理总局、属地监管机构、行业协会等发布的最新法规、指引和通知，按各级监管要求落实数据质量提升
2、制度建设：制定并维护《监管报送管理办法》等管理制度，及时响应外部监管变化进行新增及修订
3、规划落地：给出监管重点事项规划和方案设计，制定详细计划并推动执行落地
4、报送管理：编制月度/年度报送日历，监控关键时间节点，按时完成每月增量报送/年度重报等
5、数据治理：对发现问题进行定性归因，明确责任主体，确保存量问题动态清零；制定总分联动考核方案，定期跟踪执行成效，提升报送数据质量
1、负责平安医疗相关数据整合与深度分析，支持业务决策；
2、构建和优化医疗风险预测、费用控制、疾病趋势等数据模型，提升数据分析的准确性和实用性；
3、与业务、运营等部门协作，理解业务需求，为保险产品定价、营销风控、医疗控费等提供数据支持与分析报告；
4、参与数据治理及数据质量提升工作；
1、负责部门相各类数据管理平台和AI技术应用的整改规划和设计
2、负责数据管理监测平台、知识管理平台的开发管理和运营
3、负责集团数据技术体系的评估、指导与检视
4、负责部门系统和平台的安全管理，管理安全问题额修复
5、负责数据监测和知识管理平台的运营， 设计风险监测、敏感信息识别、AI审核等功能，管理和推动平台建设
1.负责客户关系的维护与开发，提升客户满意度和忠诚度;
2.负责客户市场的分析与研究，制定并执行客户经营策略;
3.负责客户经营计划的制定与实施，确保客户经营目标的达成;
4.负责团队的管理与指导，提升团队整体客户经营能力;
5.负责客户经营数据的统计与分析，优化客户经营策略。
1、计算机、数学、统计、自动化、电子、机器人等专业；
2.、具备 AI 算法开发、数据工程、分布式系统、模型调优或系统工程优化相关经验之一；
3、具备海量多模态异构数据的架构设计能力，能够从业务目标出发设计数据分层、数据模型、存储布局、索引组织与读写链路；
4、熟悉 Python/Java/ go中至少一门语言，具备扎实的数据处理和工程实现能力；
5、熟悉 Iceberg、Lance 等面向大规模分析或多模态数据场景的数据格式与存储方案，理解 Parquet、Arrow、对象存储、元数据管理等核心机制；
6、熟悉 LanceDB、Milvus、Elasticsearch、ClickHouse 等检索/分析系统，或有多模态样本库建设经验；
7、熟悉 Spark、Flink、Ray、Kafka 等大数据或分布式计算框架中的一项或多项，理解批处理、流处理、批流一体及任务编排；
8、熟悉向量检索、特征索引、样本检索、数据切片、时间戳对齐、多模态关联等一种或多种能力，能够支撑训练数据构建和问题追溯；
9、对数据闭环、具身智能和大模型方向有强烈兴趣，具备自驱力、学习能力和跨团队协作意识。
加分项
1、有机器人、自动驾驶、大模型行业等行业的多模态海量数据架构实践经验；
2、有数据湖、湖仓一体、元数据平台、数据质量平台或数据检索平台建设经验；
3、有顶会/期刊论文、开源项目、数据竞赛成果，或在数据基础设施方向有系统性产出。
1.参与数据治理规划，制定详细的治理专项计划与实施方案，负责数据治理专项的整体推动；
2.负责制定数据治理相关政策、制度、流程的方案，并推进实施落地；
3.负责数据治理解决方案规划及实施，包括数据资产（数据目录、指标体系、标签体系等）、数据标准、数据质量、元数据管理、数据服务和数据安全等方面的工作；
4.参与监管数据的治理，提升数据报送质量；
5.参与公司数据平台建设，负责推动数据资产盘点、数据质量提升、数据标准落标、数据分类分级等项目工作；
6.完成领导交办的其他各项工作。
1、负责用户侧和产品侧的数据采集、整理与分析，建立完整的用户画像体系，深入挖掘用户特征、偏好及行为规律；
2、协助构建用户行为分析模型，通过漏斗分析、路径分析、留存率分析等方式，揭示用户触达、转化、流失的关键节点及其影响因素；
3、分析用户全生命周期（获取、激活、留存、召回、流失）的表现，挖掘用户增长潜力，优化用户运营策略；
4、支持产品迭代，评估新功能上线效果，设计用户增长与转化的核心KPI指标体系，输出分析报告。
1.负责供应链全链路数据整合与标准化数据库搭建维护，制定数据规范保障数据准确一致。
2.开展采购环节数据分析，包括品类成本结构拆解与供应商绩效评估，输出优化建议支撑集中采购或协议谈判。
3.监控库存水平并分析周转效率以制定优化策略，联动生产部门分析物资消耗与生产效率关系，输出消耗标准调整建议降低生产成本。
4.定期输出结构化数据分析报告并可视化关键指标，针对异常数据及时预警，为管理层提供数据驱动的决策支持。
5.跨部门协作解决数据相关问题，推动供应链数据在业务端的应用，协助优化内部系统数据流转以提升使用效率。
（一）海外技术支持体系搭建与本地化适配
牵头海外工商储售后技术支持及培训体系本地化搭建，制定 / 迭代符合国际标准（IEC
62933、UL
1973、CE）与当地法规的运维 SOP（含多语言版本：英语 + 区域小语种），覆盖故障排查、远程排障、日常维护、应急处理，确保流程合规高效；
优化跨境远程支持工具（云端监控平台、诊断软件、移动端 App），适配海外网络环境与多语言需求，提升跨境故障诊断准确率（目标≥85%），降低海外现场服务成本；
搭建并赋能海外本地技术团队（含代理商工程师、项目驻场人员），设计跨文化分层赋能计划（远程授课 + 现场实操），提升本地团队独立解决问题能力（目标：常规故障自主解决率≥70%）。
（二）跨境运维管控与备件协同
负责海外项目远程技术支持全流程管控，跨时区响应客户需求（核心市场响应时效≤4 小时），针对复杂故障（如高压系统异常、PCS 并网故障、BMS 通讯中断）提供专项指导，协调国内研发、生产、供应商跨境资源推进故障闭环；
协同供应链与海外区域库存部门，搭建海外本地化备料机制：制定核心零部件（电池模组、IGBT 模块、传感器）安全库存标准，优化跨境补货流程（含清关、物流时效管控），保障维修备件供应及时率（目标≥90%）；
对海外服务核心指标负责：故障响应时效、问题解决率、客户满意度、跨境服务成本控制，定期（月度 / 季度）复盘指标达成情况，输出多语言优化报告并落地改进措施。
（三）多语言培训资料建设与知识沉淀
牵头编制、审核、更新多语言（英语为主，适配区域小语种）培训资料：电路图、产品手册、安装维修手册、售后指导 SOP，确保资料符合国际标准与当地合规要求，具备实操性；
沉淀海外售后技术知识资产，建立多语言故障案例库、FAQ 库、技术难点解决方案库，支撑全球团队经验复用，缩短海外新人培养周期（目标≤3 个月独立上岗）。
（四）海外质量保障与合规管控
对接海外认证机构（如 TÜV、UL、SABS），确保设备售后运维符合出口国质量标准与安全法规，针对测试 / 运维中发现的问题，建立跨境闭环跟踪机制，协调国内研发、供应商推进整改，保障出货与运维合规；
收集海外市场售后故障数据，分析区域共性问题（如高温环境下电池衰减、电网波动导致的 PCS 故障），输出多语言质量改进报告，为产品海外适配迭代、供应商优化提供数据支撑。
（五）跨文化协同与客户关系维护
协同海外销售、当地代理商，建立跨境售后问题快速响应通道，针对批量性故障、重大质量投诉开展跨部门（国内研发 + 海外团队）专项攻关，降低客户损失与品牌风险；
定期与海外客户（工商业业主、储能项目方）开展跨文化沟通，收集运维痛点与需求反馈，结合行业国际技术趋势，提出售后体系、工具、培训内容的优化建议，提升客户粘性。
1.CDP平台建设与规划：主导消费者数据平台的整体架构设计与功能模块规划，统筹数据采集、整合、建模及应用全流程，确保平台技术先进性与业务适用性。
2.数据治理与质量管理：建立完善的数据治理体系，制定数据标准与规范，确保数据准确性、完整性与合规性，支撑业务决策可信度。
3.消费者洞察与标签体系：构建多维度消费者画像与标签体系，通过数据分析挖掘消费者行为特征与需求趋势，为产品研发、营销策略提供数据洞察支持。
4.精准营销应用：基于CDP平台能力，支撑个性化推荐、精准广告投放、会员运营等业务场景，优化消费者全生命周期管理，提升营销效率与用户体验。
5.团队管理与协作：带领数据分析与数据工程团队，与市场、销售、产品等部门紧密协作，推动数据文化建设与跨部门数据协同。