数据策略工程师（量化质控）
岗位摘要
把切片、清洗、标注/caption、格式规范等各环节的质量要求，翻译成可计算、可复现的量化指标与判定口径，沉淀为带明确阈值的质检规则；建立分层质检体系，针对数据生产每个环节，判断哪些质检可全自动量化、哪些需人力抽检、哪些是机器初筛加人工复核，并设计对应判定流程与判定线
岗位职责
- 把切片、清洗、标注/caption、格式规范等各环节的质量要求，翻译成可计算、可复现的量化指标与判定口径，沉淀为带明确阈值的质检规则
- 建立分层质检体系，针对数据生产每个环节，判断哪些质检可全自动量化、哪些需人力抽检、哪些是机器初筛加人工复核，并设计对应判定流程与判定线
- 为需要人工判断的环节设计科学抽样方案，根据数据量、置信水平和误差范围确定抽样量与方式，输出可复现、可解释的抽检结论
- 对上千万级数据批量跑量化检查，输出质量报告与分布分析，发现系统性问题并反馈给生产与标准团队迭代
- 协同算法、产品、评测及内容团队，对齐数据质量需求，推动质检方案落地，并评估其对训练/评测数据的实际改善
任职要求
- 本科及以上学历，985/211或同等水平院校优先，数学、统计学、数据科学/数据分析等定量专业优先
- 具备量化拆解能力，能将模糊的数据质量问题拆解成可量化的指标，并说清每个指标的计算方法、判定线及设定理由
- 具备统计抽样素养，能根据数据量、置信水平、误差范围计算抽样量与抽样方式，理解抽样结论的可信区间
- 具备轻量工具能力，能用正则、SQL、Excel或简单脚本进行数据分析和分布可视化，可借助AI工具完成，不要求独立开发系统或搭建pipeline
- 加分项：有数据分析、数据质检、统计、数据运营相关背景或经验；熟练使用vibe coding/AI工具提效；了解主流视频生成模型对数据质量的要求
加分项
- 有数据分析、数据质检、统计、数据运营相关背景或经验；熟练用vibe coding/AI工具为工作提效；了解主流视频生成模型(如Seedance、Kling、Happyhorse等)对数据质量的