岗位描述： 你不来做后台分析师，你来做嵌入业务一线的问题定义者与端到端交付者。 核心价值是三层叠加：用大模型压低工程执行成本，把时间留给业务理解与增长判断，再将实战经验沉淀为团队可复用的资产——让数据能力从一次性交付走向持续复用。 岗位职责： 1. 深入业务前线，端到端交付增长方案 深入信贷、理财、支付等业务场景，基于海量数据，借助大模型辅助假设生成与实验设计，完成从增长机会识别、AB实验、因果推断到模型上线的全链路交付，推动业务指标真实增长。 2. 以 AI 原生方式工作，构建可复用的数据 Pipeline 不是零散地用大模型，而是基于 LLM 构建可复用的数据探查 Pipeline、自动化特征工程链路和智能归因 Agent。将重复性工作交给模型，把精力聚焦于"判断什么值得做"。 3. 将分析洞见转化为可交互的分析 Agent 挖掘用户行为模式与决策驱动因素，结合因果推断方法，沉淀结构化的用户决策模型和增长归因框架。业务团队收到的不是一份静态报告，而是一个可持续交互、自主查询的分析 Agent。 4. 将项目经验沉淀为团队可复用的 Skill 将每个项目中的实验方法论、分析框架、特征方案和业务认知，系统性地转化为 Prompt 模板、Agent Skill 和可复用的评估体系。做完项目不是终点，留下的 Skill 能被下一个项目直接调用才算交付完成。 职位要求 1. 数学、统计、数据科学、计算机、经济学等相关专业背景；对 AI 技术有强烈好奇心和应用热情。 2. 扎实的统计推断与因果推断基础，逻辑思维能力强，面对模糊业务问题能主动提出假设、设计验证路径并推动落地。 3. 深度使用大模型工具（Cursor / Copilot / Claude 等）作为日常生产力工具，理解 Prompt Engineering 的原理与实践；有 Agent 编排或 LLM 应用开发项目经验者优先。 4. 对用技术解决真实业务问题有强烈驱动力，愿意将模糊的业务问题翻译为可验证的数据科学问题，并将复杂分析结果转化为业务方听得懂的决策建议。 5. 较好的团队合作与沟通能力，愿意走出纯技术舒适区，深入业务一线理解真实需求。 意向单