北京丨慧米数据 三个职位

慧米数据 (三个职位)

慧米数据是一家服务于企业数据分析及营销的大数据公司,为企业提供标准的大数据DAAS级产品及数据解决方案,用大数据帮助企业决策及精准营销推广。

这是一家“自己有数”的大数据公司,如果你是大数据的狂热份子,在这里你可以接触到全球20亿终端的自有数据资源,覆盖全球200+国家和地区。在这里你将与一流的大数据技术人员一起工作,去打造面向多个领域的大数据产品,开拓大数据变现之路,成就大数据事业之旅。

公司很open,妥妥的开放式办公环境与福利;平等、放松的氛围让你和公司牛人一起“浪”,一起疯狂!

一、数据平台工程总监

薪资:面议

岗位职责

与算法团队和产品团队协作,带领团队,开发数据平台可视化及分析系统。

任职要求

1.熟悉Python或Java,了解常用的机器学习和数据挖掘方法;

2.对数据结构和算法设计有较为深刻的理解;

3.有Hadoop/Spark开发经验;

4.有大规模数据挖掘/推荐系统/机器学习的项目经验;

5.有完整的数据可视化或分析系统开发经验;

6.5年以上工作经验,主导过大数据平台建设。

二、高级产品经理(APP监测产品设计方向)

薪资:面议

岗位职责

1、 负责APP监测产品线的规划,需求分析和产品设计。

2、 负责在项目推进过程中的协调沟通工作,确保产品顺利发展及项目成果质量把控及交付。

3、 负责产品的内外部客户推广及售前支撑等。

4、 负责个性化数据分析报告撰写。

任职资格

1、 本科以上学历,5年以上相关APP监测产品研发设计工作经验,计算数学、数理统计和计算机相关专业背景者优先。

2、 有一定丰富的产品经验,从需求的确认、产品的原型,PRD的撰写、模型算法优化、资源的协调,产品上线后的跟进与项目管理;负责设计过数据分析、数据挖掘、在线数据产品,有上线产品的成功和失败的案例。面试时需展示负责的原型设计或产品DEMO。

3、 熟练掌握原型设计软件,如Axure或其他原型软件。

4、 有较强的可视化功底,能够利用可视化软件tableau、PPT、Excel、PS、AI等软件进行可视化设计。

5、 熟悉数据库知识,可以利用sql熟练进行数据检索操作。

6、 热爱数据分析,喜欢挖掘数据,具有数据挖掘分析功底,熟悉机器学习原理,熟悉python或R语言等软件者优先。

7、 出色的沟通技巧,擅长与研发人员沟通,能够与研发团队进行紧密协作,并快速推进需求落地。

8、 具备敏锐的数据洞察力,有很强的创新意识和执行力,卓越的产品感觉,擅长从客户角度思考问题。

三、产品经理(行业数据产品与数据融合方向)

薪资:面议

岗位职责:

1、 负责行业大数据产品的规划,需求分析和产品设计。

2、 负责在项目推进过程中的协调沟通工作,确保产品顺利发展及项目成果质量把控及交付。

3、 负责产品的内外部客户推广及售前支撑等。

4、 负责个性化数据分析报告撰写。

5、 负责对外数据资源对接、采购。推进公司数据资源的整合。

任职资格:

1、 本科以上学历,3年以上相关数据产品设计工作经验,计算数学、数理统计和计算机相关专业背景者优先。

2、 有一定丰富的产品经验,从需求的确认、产品的原型,PRD的撰写、模型算法优化、资源的协调,产品上线后的跟进与项目管理;负责设计过数据分析、数据挖掘、在线数据产品,有上线产品的成功和失败的案例。面试时需展示负责的原型设计或产品DEMO。

3、 熟练掌握原型设计软件,如Axure或其他原型软件。

4、 有较强的可视化功底,能够利用可视化软件tableau、PPT、Excel、PS、AI等软件进行可视化设计。

5、 熟悉数据库知识,可以利用sql熟练进行数据检索操作。

6、 热爱数据分析,喜欢挖掘数据,具有数据挖掘分析功底,熟悉机器学习原理,熟悉python或R语言等软件者优先。

7、 出色的沟通技巧,擅长与研发人员沟通,能够与研发团队进行紧密协作,并快速推进需求落地。

8、 具备敏锐的数据洞察力,有很强的创新意识和执行力,卓越的产品感觉,擅长从客户角度思考问题。

9、 熟悉大数据领域数据资源,有对接多个数据资源经历者优先。

工作地址: 北京市朝阳区高碑店乡八里庄华腾世纪公园总部E1座9层

简历砸过来:13911295541@139.com

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

回到顶部