1.深入理解经营分析、金融市场分析等业务需求，融合业务知识与数据分析技术，与业务团队协作，梳理分析目标与指标，制定合理的时序数据分析策略。 2. 负责时序数据的清洗、处理与特征工程，确保数据的准确性和一致性。 3.熟练运用归因分析、假设检验等方法，深入挖掘数据背后的因果关系和规律，为业务提供数据驱动的洞察。 4.开发高维时序数据分析方法，构建和优化时序预测模型，包括但不限于ARIMA、GARCH、LSTM等模型。 5.开发基于知识图谱的图推理算法在经营分析场景的应用研究，包括但不限于RGCN，TRGC等卷积神经网络。 6.熟练应用常用的机器学习和计量经济学模型，从模型的输出中提取有用信息，对黑箱模型进行解释分析，并在业务场景中合理运用并解释复杂模型的决策过程。 7.了解模拟仿真技术，包括但不限于蒙特卡洛模拟、场景树生成、运筹优化算法等。 8.编写详细的分析报告与技术文档，向业务和技术团队展示数据分析结果和模型应用效果。通过可视化工具清晰呈现时序数据分析的关键发现，支持业务决策过程。

1. 统计学、应用数学、金融工程或相关专业硕士及以上学历。 2.熟练掌握时序数据分析技术，精通Python等数据分析工具，熟悉Pandas、Numpy、Scikit-learn、Spicy等相关库。 3.熟悉常用的机器学习模型（如回归、决策树、神经网络等）和计量经济学模型（如时间序列模型、面板数据模型等）。 4.具备扎实的特征工程、归因分析、假设检验等数据分析技能。 5. 具备良好的沟通能力，能够与业务团队、技术团队高效协作，推动数据分析成果的业务落地。 加分项： 1.具有经济、金融等专业知识与计算机、数学等AI技术交叉背景，对数据敏感 2. 有成功的项目案例，尤其是在经营业绩分析、金融风控等AI产品上的实践经验 3. 具备强烈的好奇心和学习能力，能够快速掌握新技术和新方法，持续推动数据挖掘工作的创新。 4.有大语言模型调用推理经验，特别是RAG、多智能体协作等应用经验。