岗位职责

业务模型构建与优化：主导半导体制造场景下的经营预测模型（需求/销量预测）、成本模型（制造成本分摊与优化）、产能模型（设备利用率分析）及产出模型（排产计划与产出）的开发、验证与迭代，将模型成果直接应用于产能规划、成本节约和产出效率提升等实际业务场景；
数据驱动决策支持：基于半导体制造流程（晶圆加工、封装测试、设备维护保养、自动化搬运等）数据，识别生产瓶颈、成本异常或效率洼地，输出可执行优化方案，并通过构建自动化分析看板（Tableau/Power BI/帆软BI）向管理层及跨部门团队提供数据洞察；
跨领域协同与数据治理：协同数据治理组及IT其他部门，优化数据架构，确保制造端、设备端及财务系统数据的整合与质量治理，并向业务部门提供数据赋能培训，推动数据文化在制造体系的渗透。

职位要求

教育背景与专业知识：本科及以上学历，统计学、工业工程、计算机、半导体材料或器件相关专业；
专业技能与资格：精通Python/R/SQL，能使用机器学习框架（Scikit-learn/XGBoost/LightGBM/Pytorch）完成实际项目落地与工程实施；掌握时序预测（Prophet/ARIMA/SARIMA/TST）及优化算法（LP/IP/COP），能定期阅读论文并分享前沿发展方向；熟练使用BI工具（Tableau/Power BI）及数据工程栈（Spark/Hadoop）；具备大语言模型（LLM）落地经验，能使用LangChain/LangGraph开发自定义智能体；
行业与专业经验：5年以上制造业数据分析经验，具备至少一项实战成果：开发并落地经营预测模型（需求预测准确率≥85%）、构建成本模型实现制造成本降低、设计产能/产出模型推动产能利用率提升或良率优化（需提供量化收益证明）；具有半导体行业经验者优先（包括Fab厂运作、探针卡测试流程、Wafer加工流程、成本分析与降本管理、综合排产和计划管理等场景）；
项目/任务成果：能提供过往模型落地案例及量化收益证明（面试需提交案例简述）；
其他要求：具有强逻辑推理能力，能将复杂的制造业务问题转化为数据解决方案；结果导向；具有优秀的跨部门沟通能力，能适应制造业快节奏环境。