📊 数据与智能 · Data & Analytics

没有数据团队
所有人都在盲飞

数据不是报表,不是Dashboard——数据是让每一个决策从"我觉得"变成"我知道"的底层基础设施。

Research没有数据就没东西训练,Growth不知道漏斗在哪,产品迭代就是拍脑袋。
数据团队不是支持部门——是一家公司的感觉器官和神经系统。
我们寻找的不只是会写SQL的人——我们在找能把数据变成竞争优势的人。

核心岗位 · Core Roles

数据价值链的五个关键节点

数据工程师

Data Engineer
构建让数据流动的管道——从实时采集到批处理,从数据湖到特征库,让数据在需要的时候到达需要的地方。
  • 精通Spark/Flink等分布式计算框架
  • 有大规模数据管线设计和调优经验
  • 理解Lambda/Kappa架构,能做技术选型

数据分析师

Data Analyst
不是做报表的人,而是提问的人——从数据中看到业务的问题和机会,用分析驱动决策而不是用决策去找数据。
  • 2年+数据分析经验,有深度业务归因案例
  • 精通SQL,熟练Python/R统计分析
  • 能把分析结论翻译成业务行动建议

ML平台工程师

ML Platform Engineer
让模型从Notebook走向生产线——构建训练、推理、监控的完整平台,让算法工程师专注算法而非基础设施。
  • 有MLOps平台建设经验(Kubeflow/MLflow等)
  • 精通K8s和GPU集群管理
  • 理解模型生命周期管理的全链路

指标产品经理

Metrics PM
指标不是随便定义的——一个错误的指标能误导整个公司的方向。定义对的指标,构建指标体系,让数据真正驱动业务。
  • 有指标体系设计和北极星指标定义经验
  • 能连接业务语义和数据实现的鸿沟
  • 对数据质量和指标口径有极致追求

BI工程师

BI Engineer
让数据不只是被看到,而是被理解——构建从高管看板到一线运营的自助分析生态,让每个人都能用数据做决策。
  • 精通主流BI工具和数据建模方法论
  • 有自助分析平台建设经验
  • 理解不同角色(高管/运营/产品)的数据需求差异

细分赛道 · Specializations

数据智能的五条纵深线

🔄

数据工程流

Data Engineering Flow

从数据产生到价值交付的全链路——采集、清洗、存储、调度、质量保障。没有可靠的数据流,上层的分析和高阶应用都是空中楼阁。

ETL/ELT实时流数据质量
📈

分析平台

Analytics Platform

让分析不再依赖工程资源——自助查询、自动归因、智能洞察。当每个人都能独立回答数据问题时,数据驱动才是真的数据驱动。

自助分析自动归因智能洞察
🧬

特征库

Feature Store

特征是ML的燃料——构建统一的特征定义、存储和服务平台,让特征可复用、可追溯、可监控,消除训练-推理的特征偏差。

特征平台在线/离线特征监控
🧪

AB实验平台

A/B Experimentation

不能实验就无法迭代——构建高置信度的实验平台,从分流到统计检验,让每个产品决策都有因果推断的支撑。

因果推断实验设计统计显著性
📏

指标体系

Metrics System

指标是公司的指南针——错误的指标比没有数据更危险。构建自洽的指标层级、清晰的口径定义、实时的监控告警。

北极星指标口径一致实时监控

能力维度 · Capability Dimensions

卓越的数据人不只是技术专家,更是业务翻译官

🔗

数据管线设计

Pipeline Design

设计可靠、高效、可扩展的数据流转架构

⚙️

特征工程

Feature Engineering

从原始数据提炼高信号特征,为ML提供燃料

🎯

指标定义

Metrics Definition

定义正确的指标,让度量服务于决策而非混淆决策

🔬

实验设计

Experiment Design

从假设到结论的严密实验逻辑,避免假阳性陷阱

🛡️

数据治理

Data Governance

质量、安全、合规、血缘——让数据可信可用

为什么加入 SwangNice Data & Analytics

数据不是支持职能——是公司的感觉器官和神经系统

01

数据是决策的基石

在SwangNice,每个决策都需要数据支撑——从产品设计到市场策略再到工程优先级。你不是一个"帮人跑数"的支持角色,你是每个决策的质量把关人。

02

全栈数据挑战

不是在成熟体系里做螺丝钉——你要从数据采集到分析洞察再到ML基础设施,参与完整的数据价值链构建。这是最好的成长土壤。

03

AI-Native的数据

SwangNice是AI-Native公司,数据不只是给人看——更是给模型训练的。你需要同时思考人类可理解的指标和机器可消费的特征。

04

技术深度与业务广度

我们要求技术深度——分布式计算、实时引擎、特征平台。但同时要求你能理解业务——能把技术选择翻译成业务影响。

05

数据文化的布道者

建设数据团队不只是写代码——更是建设数据文化。你要让每个团队都意识到数据的价值,让数据驱动成为本能而非口号。

06

从数据到智能的全链路

不是只做BI报表——你将参与从数据采集到模型上线到实验验证的完整智能链路。SwangNice的数据团队是真正的AI基础设施团队。

成长路径 · Career Growth

从数据执行者到数据领导者的进化之旅

1
数据分析师
Data Analyst
执行分析任务,掌握SQL和数据可视化工具,学习从数据中发现问题和机会。开始理解业务逻辑,能独立完成专题分析并产出可落地的建议。0-2年经验。
2
高级分析师
Senior Analyst
独立负责业务线的数据分析,能设计实验并解读结果。开始构建分析框架和方法论,能指导初级分析师。成为业务方的"数据分析大脑"。2-5年经验。
3
数据主管
Data Lead
管理数据团队,制定数据战略和技术路线。推动数据治理和质量保障体系建设,在组织层面推动数据文化。开始参与公司级数据决策。5-8年经验。
4
首席数据官
CDO
数据不仅是技术职能,更是公司的战略资产。作为CDO,你定义数据如何赋能业务的每一个环节——从产品决策到战略规划,从风险控制到增长飞轮。你让数据成为真正的竞争优势。

准备好让数据说话了吗?

我们不需要更多报表制作者,我们需要更多数据叙事者

投递简历 →