大数据精准营销范文案例 大数据精准营销范文案例大全(九篇)

在日常学习、工作或生活中，大家总少不了接触作文或者范文吧，通过文章可以把我们那些零零散散的思想，聚集在一块。相信许多人会觉得范文很难写？以下是小编为大家收集的优秀范文，欢迎大家分享阅读。

推荐大数据精准营销范文案例(推荐)一

1. 负责构建公司数据分析平台，支撑业务专题分析和科学决策;

2. 与运营管理团队紧密协作，应用数据挖掘技术，把业务问题转化为数据模型，分析和挖掘业务机会和问题，支撑产品运营决策。包括不限于：用户聚类分析、growth hacking分析、获客渠道效率分析、用户留存和激活分析，用户cohort分析，用户clv价值分析，运营人效分析、供需与运价预测、订单分发策略分析、交易诚信风控分析等等业务分析专题;

3. 研究大数据领域前沿的数据挖掘技术，并应用到业务分析实践中。

任职要求

1. 统计学、应用数学、计算机本科及以上学历，1-2年以上互联网行业、金融保险等行业的数据挖掘工作经验;

2. 扎实的机器学习和数据挖掘的理论基础和实践经验，熟悉hadoop、spark等分布式计算平台，有大规模数据处理和数据分析挖掘经验;熟练掌握sql、r、spss、sas、python等数据处理和分析工具;

3. 对数据敏感，逻辑严谨，能快速理解业务，发掘业务场景和数据之间的联系;

4. 有较强的沟通能力，积极乐观、诚信、有责任心，具备强烈的进取心、求知欲及团队合作精神。

推荐大数据精准营销范文案例(推荐)二

职责:

1. 针对公司的监控系统进行二次开发，可根据后台数据自研展示系统。

2. 负责公司云平台系统的业务监控及可运维性、稳定性、高可用性问题，对云平台各类故障和事务应急响应，配合厂商排查问题;

3. 根据业务需求，依托开源框架体系，进行运维自动化系统部署平台整体或者子模块的开发、设计、实现;

4. 开发并维护运维自动化脚本，简化日常工作;

5. 负责云计算运维产品的性能调优;

6. 协助开发搭建测试平台，协助进行设计、验证测试等工作。

任职资格:

1. 大学本科以上学历，计算机相关专业;

2. 熟悉linux/unix管理和运维以及网络相关知识，至少2年以上linux使用经验，有 linux 内核参数调优经验者优先;

3. 精通python、shell或者java均可,至少3年以上的运维自动化开发经验，可以灵活运用脚本程序来提高运维的效率;

4. 熟悉运维相关的监控工具，有使用类似cacti，zabbix的经验，有对zabbix二次开发经验的优先考虑;

5. 熟悉 openstack 云平台日常运维操作及 neutron 网络架构优先;

6. 熟悉 elasticsearch、spark 、hadoop等大数据平台运维。

推荐大数据精准营销范文案例(推荐)三

职责：

1、负责hadoop、hbase、hive、spark等大数据平台 规划、部署、监控、系统优化等，确保高可用;

2、负责公司大数据平台的运维管理工作，集群容量规划、扩容及性能优化;

3、处理公司大数据平台各类异常和故障，确保系统平台的稳定运行;

4、设计实现大规模分布式集群的运维、监控和管理平台;

5、深入研究大数据业务相关运维技术，持续优化集群服务架构，探索新的大数据运维技及发展方向。

任职要求：

1、熟悉hadoop/hbase/hive/spark/kafka/zookeeper等开源项目的安装与调试,升级扩容;

2、熟悉hadoop大数据生态圈，包括但不限于hdfs、yarn、hive、hbase、spark、kafka、flume等;

3、精通一门以上脚本语言(shell/perl/python等),熟练掌握linux系统及常规命令与工具，熟练的shell脚本编写能力。

推荐大数据精准营销范文案例(推荐)四

职责：

1、研究大数据新技术分析发展方向;

2、负责数据仓库逻辑模型、物理模型的分析、设计和建立，开发报表，进行数据分析;

3、负责数据仓库的业务探索(business discovery)以及信息探索(information discovery)的工作;

4、负责对原始数据进行加工清洗;

5、参与数据平台的设计、开发、维护与优化，满足上层数据运营体系各项需求;

6、参与应用分析平台的系统分析、设计以及实现工作;

任职要求：

1、对数据敏感，熟悉数学建模整个过程，拥有国家/国际数学建模获奖经历优先考虑;

2、熟悉常用的数据分析算法及数据挖掘算法，熟悉机器学习算法的原理及应用，熟悉r、python等至少一种挖掘工具;

3、3年以上软件类ai/bi项目开发经验，1年以上架构设计经验，具有大型门户/ai/bi等大型项目架构设计经验优先;

4、熟悉数据仓库实施方法论，熟悉数据建模，了解数据仓库体系架构，了解数据集市;

5、熟悉主数据、元数据、数据质量等企业数据管理相关的体系和方法;

6、熟悉与架构设计相关的数据存储/性能调优等相关领域知识;能够解决项目过程中的技术难题;

7、熟悉逻辑模型和物理模型建模、中间层模型理论以及多维模型的设计;

8、理解bi系统建设各层面，对bi建设思路和建设方向有清晰的认识，至少熟悉一种设计工具进行etl，如tableau/qlikview/cognos/bo/datastage/sas/spss等;

9、能够熟练的使用kettle等开源etl工具进行开发者优先;

10、熟悉linux，使用shell, python脚本经验优先;

12、熟悉hadoop/spark生态系统，例如hive、hbase等，有实际的集群搭建和使用经验者优先;

13、有大数据平台建设经验者优先。

推荐大数据精准营销范文案例(推荐)五

《大数据》不是一本纯技术的书籍，作者用美国多年来丰富而详细的案例说明了大数据的趋势和发展历程，大数据的初衷就是将一个公开、高效的政府呈现在人民眼前。书中从美国《信息自由法》说起，其发展历程充满了坎坷，经过各个时期信息自由倡议者的努力，终于出现端倪，并迅速成长，充分体现出美国政府的信息必须被公开，以及个人的隐私必须被保护。人类可以“分析和使用”的数据在大量增加，通过这些数据的交换、整合和分析，人类可以发现新的知识，创造新的价值，带来“大知识”、“大科技”、“大利润”和“大发展”。

《大数据》开篇讲述美国《信息自由法》历经多任总统，其中有支持者，也有反对者，最后终于签发，标志都美国进入信息公开及隐私保护的大数据时代。现如今全世界现有60多个国家制定、实施《信息自由法》。

随着《信息自由法》的颁布，以及现代科技的发展，会产生越来越多的数据。数据主要来源是：1.各行各业通过计算机产生了大量的数据;2. 业务数据3. 民意数据4. 环境数据。并且数据在数量、速度、多样性三个维度迅速增长，促使数据帝国逐渐兴起。

有了这么多数据，应该如何利用?

首先，在治国方面。1.循“数”管理，减少交通事故死亡人数。2.用数据进行医疗福利打假，可为政府节省开支。3.警方通过compstat系统，分析犯罪数据，预知犯罪地点。

其次，商务智能方面。1.数据仓库，2.联机分析(olap)，3. 数据挖掘，4. 数据可视化。

当然随着数据的增多，如何收集和使用这些数据，就需要制订一系列的法则。1.收集法则：减负;2.使用法则：隐私;3.发布法则：免费，4.管理法则：质量。其中数据质量最为重要，为了保证数据质量颁布了《数据质量法》，同时也带来了困惑，即给商业组织带来了质疑政府公布数据质量的手段，对于这一手段，满足其商业利益，是民主与商业组织之间的对抗和冲突。

同时，统一分析和使用大数据与个人隐私产生的冲突。通过中央数据银行和全国统一id就获得某个人一生的行动，违反了个人隐私法，但不分析这些信息，又可能导致恐怖分子的袭击，最终以保护个人隐私胜利，但政府还是想执行统一身份认证。

奥巴马的上任加速了政府数据开放的进程，奥巴马上任后立即任命首席信息官，由首席信息官在4个月内推出政府大数据网站，在互联网上为民众提供开放的政府数据。阳光基金会和个人利用开放数据开发出各种分析工具，充分体现出数据价值。

但公益组织并不满足开放数据的数量，为了让民众监督一个更为公正透明的政府，公益组织要求公开白宫访客记录，但这并不是一个简单的要求。经过公益组织不懈的努力，白宫终于公开了访客记录，但公益组织发现了更多的问题，白宫也提出将继续修改访客记录的方式。

大数据有效的监督了政府的公正与民主。民主不是一个结果，而是参与的过程，人民要不断的争取才能实现民主。

本书结尾也较详细的描述除美国外，其它各国通过大数据走向民主的进程，充分说明了这一进程是一个大趋势。首先，英国紧随美国后面实施数据开放，虽然晚于美国，但发展飞快，开放的数据量已超过美国。其次，即美、英两国开放数据之后，更多的国家也加入到其中。20xx年9月20日，8个国家宣布成立“开放政府联盟”，要想加入需具备4个条件：1.财政透明，2.信息自由，3.财产公开，4.公民参与。截止20xx年4月25日已有50个国家加入。

在大数据时代，数据就是直接的财富，数据分析和挖掘能力就是国家、企业的核心竞争力。中国应该摘下千百年来差不多先生的标签，尽快赶上西方国家大数据的步伐。

推荐大数据精准营销范文案例(推荐)六

职责：

1.参与金融大数据平台系统和算法的研发和优化;

2.基于大数据金融场景，进行信用风险模型，风控模型，营销模型的创新设计;

3.与业务部门沟通合作，将数据模型应用于实际业务。

任职要求：

1.计算机相关专业硕士及以上学历，至少7年以上相关工作经验;;

2.具有良好的商业敏感度和优秀的数据分析技能，能够开发创新而实际的分析方法以解决复杂的商业问题。

3.熟悉机器学习的一般模型;例如分类.聚类.预测，理解一些常用的特征选择和矩阵分解算法。

4.熟悉深度神经网络和常用模型(如cnn，dbn，sparseconding,rnn等)，有caffe或theano或convnet的实践经验。

5.在语义理解检索 (如知识图谱表示.结构化预测.语义解析.信息检索.知识挖掘等) 有过深入的工作与研究。

6.较强的自学能力.优秀的逻辑思维能力和良好的沟通表达能力和敬业精神。

7.具备良好的系统分析能力，良好的抽象思维和逻辑思维能力，独立分析问题解决问题的能力;

8.可承受较大压力，有责任感，较强的沟通协调能力，具有团队合作精神;

9.有互联网公司.大型金融企业和大型it企业工作经历的优先。

推荐大数据精准营销范文案例(推荐)七

职责：

1、负责项目的数据需求调研、数据质量治理、数据分析及数据挖掘建模等工作; 建立有效的分析模型，为政府类客户的应用及业务发展提供决策支持;

2、根据政府的实际业务要求，与团队内其他成员共同设计完成数据分析平台，建立数据分析的流程，规范和方法;共同探索用户洞察，综合运用定性、定量的多种研究方法，深刻理解用户，研究用户不断变化的诉求，研究行业同类产品的数据，分析研究用户的喜爱相关性，输出用户需求分析和满足用户需求的方向和方法;

3、对交付部门进行数据需求支持，挖掘分析主题，开展数据分析工作，基于数据分析成果，为管理层和交付部门提供维护策略分析和业务优化建议，持续改进;

4、基于海量数据运行数据分析，制定多维度获取相关数据的策略;通过对数据和业务的挖掘，持续给出优化、升级方案;完成上级交办的其他工作。

任职要求：

1、大学本科及以上学历;统计学、应用数学、计算机等相关专业;5年以上数据统计分析、数据挖掘、数据算法等相关工作经验;

2、能熟练使用sql、spss、sas等统计相关软件或工具，会数据建模者优先考虑;擅长数据分析，对数据具有足够的敏感性、对数据分析极为细心，熟悉数据建模知识、数据挖掘理论，掌握数据分析体系方法，统计方法;

3、熟悉数据产品的设计、开发流程，有类似业务分析场景经验，对数据分析思路开阔;

4、熟悉聚类、决策树、回归、朴素贝叶斯算法、svm、神经网络等算法，有实际的算法开发经验和建模经验优先;精通excel，掌握python、r、sas、spss等任一数据分析工具;熟悉sql脚本编写快速准确进行数据提取和处理，为决策提供数据支撑;有hadoop进行分布式数据处理经验，对hbase、hive操作熟练;熟悉storm或spark流计算开发技术，实际开发过实时数据应用者优先 逻辑思维能力较强，能独立思考和分析问题，善于将业务问题转化为数据挖掘模型;

5、自我驱动，快速学习能力，抗压能力;

6、有政府类用户数据治理分析经验优先，知名互联网公司经验优先，有海量数据分析、处理经验及大数据分析计算平台的开发经优先。

推荐大数据精准营销范文案例(推荐)八

高校教育大数据的分析挖掘与利用

摘 要,本文从高校教育大数据的汇聚融合与挖掘应用的角度,分析了如何运用教育大数据技术推动大学管理和人才培养的创新改革的思路和方法。首先,分析了教育大数据对高校现代化、精细化、规范化管理的4个价值,其次,给出了高等教育大数据技术平台的基本技术架构,第三,结合教育大数据实际应用,介绍了陕西省高等教育质量监管大数据中心、mooc中国、西安交通大学教学质量综合监控与评价三个典型案例,最后,提出了教育大数据分析挖掘中的3项基础性关键技术

关键词,高等教育,大数据,分析,挖掘

高校大数据分析挖掘至少有四个典型价值, 一是使得大学的管理更加精准高效,可以朝着智慧治理、分类管理、过程监控、趋势预测、风险预警的方向发展,真正实现基于大数据分析规律的精准治理,改变管理的模糊性, 二是可以更加准确地分析评价课堂教学的质量,过去我们对课堂、对老师的评价是定性和模糊的,而在大数据智慧课堂的模式下,可以真正实现采集样本的持久化,采集方式

的多元化,挖掘手段的多样化,分析技术多维度,通过这些方式可以提高课堂教学的质量, 三是使得教和学更加智慧,更加有效。对学生来说,老师可以了解学生学习的进展情况,发现学习兴趣点,以及对老师讲的哪些内容理解或者不理解,学习路径分析及课程推荐等等。对教师而言,不仅可以跨校跨地域分享他人的优秀课程,而且可以对学习者进行精准分类,进行个性化指导, 四是资源服务的个性化、精准化推荐与服务,学习绩效的个性化评价,以及个性化教学管理,个性化手机内容推送等等,这些功能将有效提升教与学的效率和质量

首先,我们对高等教育大数据技术平台有一个总体的顶层设计,如图1所示。这不仅是学校自己要有一个大数据的管理平台或者是数据中心,而且也是面向区域乃至全国的平台。教育部评估中心正在努力建立国家级高等教育教学质量监控大数据中心,陕西省也是这样考虑的。数据来自高校、教育管理部门以及行业、第三方、企业用人单位等等各方面采集的数据,该数据平台既有大学的业务数据、课程资源,也有政府部门的统计数据,还有学生网上学习的日志数据,用户产生的ugc数据,比如微信、微博、论坛等等的数据,基于大数据平台,开展面向学习者、面向高等教育管理机构、教师、高校等提供服务,并和教育部评估中心、主管部门等

进行数据交换与对接

显然,这样一个大数据平台必须是一个高性能的计算平台,没有这样的基础设施一切无从谈起,所以去年我们学校花了很大的力气做了两件事,一个是把校内二级单位原来小的集群计算进行整合,形成学校统一的高性能云计算平台,既面向校内的科学研究、人才培养提供服务,其实也可以为社会提供合作共建共享模式。目前,我们已建立了一种自我造血机制,四两拨千斤,以这个平台吸引更多的外部资源,努力扩展平台的性能和应用

目前,我校的高性能平台除了应用于材料、航天、能动、信息等大型科学计算之外,还开展了以下三项典型的大数据应用

案例1,陕西省高等教育质量监控与评估大数据应用

图2所示的是陕西省高等教育的整体架构。其数据基础是来自陕西省100多所高校的各种办学状态数据,有将近700个表格,以及陕西省教育厅各个职能部处的各种各样的管理数据,此外还有行业第三方提供的数据,包括招生、就业数据等等,这个平台上我们开展预测预警、查询在线分析、信息发布、统计决策等等,主要是为省级教育管理部门、评估机构、教育管理机构提供各种各样的办学状况的分析、统计、关联分析

建设全省高等教育大数据服务平台,实时采集各高校的办学状态数据,其根本目的是为了汇聚全省各高校的办学状态数据,打破数据孤岛,融合各方数据,实现横向关联比较、纵向历史分析,提供精准服务,支持科学决策

首先,该平台面向省教育厅提供了11项功能,从根本上解决了原来各处室间的数据孤岛的问题,实现了数据融合,横向关联,纵向融通,这个数据和各个高校是实时融通的,为省教育厅领导和职能部处提供了领导仪表盘、各职能处室的专项服务、81张高基表及年报年鉴表格的自动生成、绩效分析、招生就业及办学指标计算、教育评估等功能,从根本上解决了数据碎片化及其治理问题

其次,面向全省高校辅助决策,为高校领导以及校内各个职能部处提供了系列功能,包括办学情况综合分析和在线查询,专业结构分析比较,校级的教学质量监控评测体系,教师管理等等,这些功能非常实用,这是大学实现精细化、规范化、现代化管理的必备基础。以我校为例,我们过去教师的数据可能在人事处、教务处、科研院等学校的职能部门,采取本平台以后,把教师有关的所有数据都进行了融合,打通了所有原来割裂的数据。从去年开始,我们学校的职称评聘,年度考核全部基于这一平台,全部在大数据里,建立健全了基于数据驱动的精准化服务,解决了数据碎片化历史遗留问题,实现了从管理信息化向服务信息化的根本转变

第三,为本科教育教学评估及专业认证提供技术支撑。鉴于本平台能提供比较全面的高校办学状态数据,便于专家在进校之前全面系统地掌握学校办学的情况,找到问题,精准查看验证,提高效率,给高等教育评估提供了重要支持。基于本平台,我们成立了中国西部高等教育评估中心,接受陕西省教育厅指派的省属本科高校的审核评估和专业论证。如果没有这一高等教育大数据平台的支撑,工作量和难度是极其巨大的,甚至难以实现

案例2,mooc中国技术平台

mooc中国成立于2015年1月,到目前为止已经有121所高校加入,理事单位40家,会员单位80家。该平台的宗旨是,做政府想做的,做社会愿意做的,做单一高校做不了的事情。例如,真正解决校际资源共享、学分互认等,开拓远程教育国际化等未来发展的难题。 图3给出了mooc中国的技术框架。其核心是互联网+教育,实现互联网教育从1.0到2.0的升级。基于这一平台,既要开展网络教育业务的国际化,比如我们牵头成立的“丝路大学联盟”,其目的之一是借助mooc中国平台,实现网络教育业务的国际化,通过mooc中国平台,面向“一带一路”国家开展开放教育和技能培训

到目前为止,mooc中国已经有了9911门课程,用户将近600万,其中光it培训的有500多万,学历教育在读

学生50多万

案例3,西安交大教育教学大数据分析挖掘与应用

学校非常重视教育信息化技术融入和应用到教育教学之中,去年一次性建成了80个智能教室,把物联网技术、云计算技术应用于智能教室和教学一线,基于物联网技术实现教室设备的集中管理、智能控制,同时,将互联网技术深度融入到教室的管理当中,除了多媒体的直播录制功能以外,还提供了学生考勤和专家的精准督导,通过云平台来集中管理各个教室,比如说开投影机、关电源、关多媒体设备等等,都可以通过后端的云平台集中管控,真正实现教室管理的数字化、智能化、精细化,提升了教学保障的能力,也大大提高了教室管理的效率。更重要的是,这些教学的过程数据可以全程采集下来,获得数据,有了这些数据,就可以做精准化分析服务,建立西安交大教学质量大数据监测中心 目前,我校的教学大数据主要包括两大部分,一是教师在授课过程中的全程录制的课堂实况,二是学生在学习过程中产生的大量日志数据。基于这个平台,我们可以开展教育教学的大数据关联分析,开展课堂教学质量的综合评价,实现正面激励、负面惩戒、精准督导,实现教学评价从模糊宏观到量化精准、从每学期制到持续常态、从部分随机到全面覆盖、从事后评价到实时动态的根本转变。通过评价激励老师敬畏课堂,评选精品课堂、示范课堂,在全校内进行正面

表彰,另外也作为教学质量评价的重要依据,包括教师的职称晋升,评选最喜爱的老师等等

此外,本系统还为学院领导和管理部门提供了针对性的信息服务与决策支持,以数据说话,量化分析,改变了以前我们的模糊评价,采取多维度、全覆盖、持续化、精细化的过程评价与监控

首先,介绍一下大数据人工智能的基本原理。前段时间,alphago战胜世界围棋冠军这一故事炒得很热。这对我们的教育科研工作者提出了一个重要的课题,到底人工智能会不会战胜人类的智能,将来教师存在的主要价值是否还有必要,863计划正在研究一个项目,到2020年,人工智能软件参加高考得分要超过一本线,这就是说,计算机教出来的机器软件参加高考都能达到一本线以上。这就引起我们的思考,这是一个深层次的方向性问题。当然我们今天不是谈这个问题,而是我们要看看alphago的原理,其核心是价值计算函数,用收益函数来判断围棋下一步该落子到哪里其收益是最大的,其中采用了人工智能深度学习方法。alphago并非天生聪明,其实他的智慧是分三步完成的, 第一步,给alphago输入了3000万个人类围棋高手的棋谱和走法,任何一个人是不可能记住3000万个棋局的,只有人工智能才能记住 第二步,alphago自己和自己对弈,在对弈过程中找到自己的薄弱点,进而改进和完善,这其实和人的学习原理类似

第三步,才是人机对弈,从职业选手到世界围棋冠军,通过这样不断的对弈完善算法,校正学习,使得alphago具有强大的智能计算能力。alphago的难点在哪,其关键在于在一个巨大的落子空间选一个最大的收益点,或者落子点,称之为movepicker,,函数,这个空间很大,有10170次方,在如此庞大的计算空间中选择最优函数,只能依靠高性能计算平台

alphago为我们研究大数据问题提供了思路和启发。我们在研究教育大数据问题中需要着力攻克以下理论与技术难题

第一,大数据造成了严重的认知碎片化问题。比如,大家在百度搜糖尿病会检索出4440万个数据源,谁也看不过来,并且里面还有一大堆真假难辩的数据。所以,碎片化知识的聚合是一个非常基础的难题,高度的碎片化降低了知识的可用性,造成了分布性、动态化、低质化、无序化等典型的问题

一方面是知识的碎片化,另一方面是每个人的兴趣和需求还不一样。所以,资源的碎片化整合以及个性化推荐是今后人工智能中的关键问题。我们的思路是,一方面,我们要

从资源的角度把无序、分散、低质的资源进一步重组以后形成知识点,形成有序的知识地图,另一方面,要对学习过程进行跟踪,实现兴趣、个性、情感等方面的动态分析与挖掘,两者结合起来,建立基于用户兴趣和个性的资源推荐,最后实现个性化精准过滤,通过知识地图面向用户提供导航学习,从而缓碎片化知识的问题。开展这一研究也要建立庞大的基础数据,就像刚才讲的alphago,光靠智能软件肯定不可能那么聪明,需要建立庞大的知识地图、知识图谱,并将其放到了国际开源社区和开放数据平台之上 第二,碎片化知识的聚合问题。其目的是解决“既见树木,又见森林”的问题,破解“学习迷航”、“认知过载”的问题。我们正在承担国家自然科学基金重点项目,研究如何将多源、片面、无序的碎片化知识聚合成符合人类认知的知识森林,找出主题与主题之间的认知关系,最后形成一个知识森林,其中需要解决主题分面树的生成、碎片化知识的装配、知识森林生成、学习路径选择与导航等有关知识地图、知识图谱构建与应用等许多基础性关键技术

第三,学习行为的分析和挖掘技术。网上学习最大的好处我们可以把教师和学生所有的教与学的行为记录下来,讨论、作业、习题、笔记及进度记录下来,有了这些数据,我们可以进行后续分析,开展学习行为的特征识别和规律发现等等,既可以跟踪挖掘某个个体的学习规律,也可以找出一

个群体、一个小组的特征和规律。针对不同的课程,开展课程点击率、学习人群、知识关注点、学习时间等的分析与跟踪,刻画一个学生学习的过程,从时间、空间和课程知识导航的角度,甚至围绕某个知识点,研究学习者的特征、行为、交互等相互之间的关系,为老师深化课程改革、探索以学生为中心的教学设计具有非常重要的意义

教育是全人类、全社会发展的基础性事业,随着互联网+技术全面渗透和深度融入教育教学,不仅产生了大量的课程资源和学习内容,而且还产生了巨量的教育教学管理数据、行为数据、服务数据,蕴藏着巨大的价值,亟需我们开展深入研究,可谓前景广阔,挑战巨大，

,编辑,王晓明,

推荐大数据精准营销范文案例(推荐)九

职责

1.负责数据etl开发，优化etl流程设计;

2.负责数据质量问题的分析、跟进、解决，进行数据质量监测、校验和提升;

3.负责etl开发实施文档的编写;

4.负责梳理公司数据仓库/数据集市数据清单、数据映射关系，优化现有数据仓库模型;

5.完善和梳理数据指标体系，完成和维护数据字典的工作;

6.参与数据标准的制定、数据标准管理和数据安全管理工作;

7.参与公司大数据平台的建设，包括sugar报表或神策接口配置，用户画像标签体系的开发等

任职要求：

1.有shell或python脚本开发经验;

2.有传统数据库sql server和mysql，有存储过程编写能力;

3.熟悉hadoop生态相关技术并有相关实践经验，包括但不限于sqoop、hive、hbase、kylin等开发经验;

4.有kettle、azkaban或oozie工作流调度经验;

5.熟悉hive sql或flink sql的开发;

6.有数据仓库模型设计，有使用kafka+flink streaming实时数据处理经验优先;

7.有sugar、神策或tableau使用经验,有用户画像或客户召回标签工作经验优先;

8.对数据挖掘和机器学习有所了解，包括常用的机器学习算法和数据建模过程的优先