. 核心職責(zé)
* 數(shù)據(jù)體系構(gòu)建：
* 設(shè)計(jì)并實(shí)現(xiàn)影視數(shù)據(jù)分析的數(shù)據(jù)處理管道（Data Pipeline），確保多源數(shù)據(jù)（票房、輿情、用戶行為等）的自動(dòng)化采集、清洗與整合。
* 構(gòu)建和維護(hù)公司級(jí)的影視數(shù)據(jù)分析模型庫(kù)與數(shù)據(jù)集市。
* 深度分析與建模：
* 運(yùn)用統(tǒng)計(jì)建模和機(jī)器學(xué)習(xí)方法，獨(dú)立完成如影片票房預(yù)測(cè)、觀眾分層聚類、市場(chǎng)趨勢(shì)量化、宣傳效果歸因等核心分析課題。
* 通過算法發(fā)現(xiàn)數(shù)據(jù)中的隱性模式與關(guān)聯(lián)，產(chǎn)出可解釋、可落地的分析結(jié)論。
* 分析產(chǎn)品化與賦能：
* 將成熟的模型與分析邏輯，封裝成可復(fù)用的數(shù)據(jù)分析工具、自動(dòng)化報(bào)告或交互式數(shù)據(jù)看板（Dashboard），直接賦能業(yè)務(wù)團(tuán)隊(duì)。
* 為業(yè)務(wù)團(tuán)隊(duì)提供數(shù)據(jù)技術(shù)咨詢，解決復(fù)雜的數(shù)據(jù)分析需求。
2. 硬性技術(shù)要求（必須滿足）
* 編程與數(shù)據(jù)處理（核心）：
* 精通 Python 數(shù)據(jù)分析棧（Pandas, NumPy, Scikit-learn等），具備扎實(shí)的數(shù)據(jù)清洗、特征工程和建模能力。
* 熟練編寫高效、規(guī)范的 SQL 代碼，進(jìn)行復(fù)雜查詢和數(shù)據(jù)加工。
* 建模與分析能力：
* 掌握主流的統(tǒng)計(jì)分析方法和機(jī)器學(xué)習(xí)模型（如回歸、分類、聚類、時(shí)間序列分析等），并理解其適用場(chǎng)景。
* 能夠獨(dú)立完成從問題定義、數(shù)據(jù)準(zhǔn)備、模型構(gòu)建、評(píng)估到業(yè)務(wù)解釋的全流程。
* 工具與工程化思維：
* 熟悉常用數(shù)據(jù)可視化庫(kù)（Matplotlib, Seaborn, Plotly等）或BI工具。
* 具備良好的代碼版本管理（Git）習(xí)慣和基礎(chǔ)的數(shù)據(jù)工程化思維。
3、 優(yōu)先考慮條件
* 技術(shù)深度：
* 有將分析模型部署上線的經(jīng)驗(yàn)（如使用Flask/FastAPI封裝API）。
* 熟悉爬蟲技術(shù)，能從公開或授權(quán)渠道獲取數(shù)據(jù)。
* 了解大數(shù)據(jù)處理工具（如Spark）。
* 領(lǐng)域結(jié)合潛力：
* 對(duì)影視、文娛或內(nèi)容行業(yè)有強(qiáng)烈興趣，愿意快速學(xué)習(xí)業(yè)務(wù)知識(shí)。
* 擁有出色的邏輯思維和將抽象業(yè)務(wù)問題轉(zhuǎn)化為技術(shù)方案的能力。
* 基本經(jīng)驗(yàn)：
* 計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、應(yīng)用數(shù)學(xué)、數(shù)據(jù)科學(xué)等相關(guān)專業(yè)本科及以上學(xué)歷。
* 1-3年及以上互聯(lián)網(wǎng)、科技公司或數(shù)據(jù)分析公司的數(shù)據(jù)科學(xué)家或算法工程師相關(guān)全職項(xiàng)目經(jīng)驗(yàn)。影視行業(yè)經(jīng)驗(yàn)非必需。