1、牵头整合制造端（浆料至分容各工序）全流程数据，建立以“单颗电芯”为追溯单元的数据链条。目标产出： 一个可关联、可追溯的制造核心参数数据库。 2、聚焦当前量产或试制中最突出的1-2个质量问题（如：容量异常、高自放电、析锂等），运用多元统计分析和机器学习模型，从海量工艺参数中定位根本原因。目标产出： 关键缺陷的根因分析报告与解决方案。 3、构建数据模型，通过前段工艺参数（如浆料粘度、辊压压力等）预测电芯最终性能（如循环寿命、DCIR）。反向用于指导工艺参数设定，实现“虚拟试产”，减少实验次数。目标产出： 经过验证的、可用于新批次生产设定的性能预测模型。 4、开发基于时序数据的工艺异常检测算法，对生产线上的关键设备参数进行实时监控与预警，实现从“事后分析”到“事中干预”到“事前规避”的转变。目标产出： 在试点工序上线的工艺异常实时预警系统。

1、26-38岁，硕士及以上学历，统计学、数学、计算机科学、数据科学、化学工程、材料科学、机械自动化等相关专业； 2、5年以上锂离子电池行业（正负极材料、电解液、电芯制造等）的研发或数据分析经验； 3、数据分析知识： 扎实的数理统计基础，精通假设检验、回归分析、方差分析、实验设计（DOE）及多元统计分析； 4、精通Python或R语言等进行数据分析和建模； 5、熟练掌握常用的机器学习算法（如线性/逻辑回归、决策树、随机森林、聚类分析等），并有实际项目应用经验。具备时序数据分析、深度学习经验者优先； 6、熟练使用至少一种主流BI工具（如Tableau, Power BI, FineBI等）进行数据可视化与仪表盘开发，熟悉SQL语言，能够高效进行数据查询与处理。