商业智能部-Al商业应用分析师-数据Agent方向

我们在做什么 我们把"数据分析师 + 业务参谋"做成了一个 AI 管理助手——销售管理者问一句"我这个区这个月营收为什么没达标"，它能自己拆解归因，并结合团队实际情况给出下一步动作建议。 不是 Demo，是数百名一线管理者每天在用、直接影响经营决策的AI产品。 你会负责

1. 数据Agent设计：定义 AI 管理助手的交互范式与能力单元（营收分析、市场洞察、商家规模增长、商业产品渗透、团队诊断等），从"一问一答"做到能追问、能补上下文、能主动建议。
2. 质量的度量：把"什么是一个好回答"定义成可打分的标准，建立口径一致性、准确率、幻觉兜底、评测与回归机制。质量靠度量，不靠感觉。
3. Skill 编排配置：把埋在代码和 Prompt 里的编排逻辑做成可配置能力，让分析步骤、口径、输出结构不必依赖研发就能改，把迭代周期从"周"压到"天"。
4. 自迭代机制：设计"反馈—评分—沉淀—复用"闭环，让优秀回答与业务策略文档自动回流知识库、按评分被引用；同时防止低质与过期内容污染。
5. 下游交互：主动定义与国际站其他 AI 工具、BI 系统、知识库的能力边界与上下文传递，让结论能流向下游动作，避免数据孤岛。
6. 决策支持：通过分析报告与专题研究，支持销售团队目标拆解与业务机会挖掘。 你要建的不是一堆一次性功能，而是一个能自我进化的系统——质量能被度量、能力能被快速配置、知识能自己沉淀。这件事在国内做成的团队还很少，你有机会从头把它定义出来。迭代快、反馈直接，每次改动立刻看到效果。

必备

1. 2 年以上数据分析或者数据产品相关经验：对数据建模、指标体系与口径治理、BI/分析产品、数据服务化有完整认知，知道每层边界在哪。
2. 对 AI 有真实热情——自己在用、在折腾，对 LLM / Agent / RAG 的能力与局限有基于实践的判断，而非概念了解。
3. 能把模糊的质量诉求变成可度量标准：会建评测集、定判定口径、跟踪线上表现，而不是只报一个准确率。
4. 能和一线业务用业务语言对话，把模糊诉求翻译成清晰的产品定义，用AI辅助实现。
5. 能自己写 SQL 完成数据分析与业务探索。 加分
6. 有数据类 Agent 实操经验（Text2SQL、分析型 Agent、工具调用编排、Eval 体系），踩过坑。
7. 做过能力编排或工作流的配置化/低代码平台。
8. 做过知识沉淀、反馈闭环或 RAG 知识质量治理。
9. 有 0→1 从试点到规模化的完整经历。