python数据建模工程师

岗位职责​
1、数据监测与分析：负责收集、整理化工生产过程中的各类运营数据，涵盖原材料消耗、生产进度、产品质量、设备运行参数等。运用 Python 等专业工具及机器学习模型，深度剖析数据规律与问题，形成可视化分析报告，为管理层决策提供数据支持。​
2、时序预测与模型应用：基于化工生产及运营数据，独立开展时序预测项目，从数据清洗、特征工程、模型构建到模型部署，完成全生命周期开发，构建完善的预测体系，为生产计划制定、库存管理等提供预测依据。​
3、流程优化：全面评估化工生产流程、供应链管理、仓储物流等运营环节，结合数据分析及预测结果，识别低效、浪费或存在风险的节点，提出针对性的优化方案并推动实施，持续提升运营效率，降低生产成本。​
4、成本管控：参与制定化工运营成本预算，借助数据分析及预测模型监控成本执行情况，分析成本变动原因，挖掘降本增效潜力，对异常成本波动及时预警，并协同相关部门制定应对措施。​
5、风险评估与管理：利用机器学习模型建立化工运营风险评估体系，对市场波动、原材料供应不稳定、生产安全隐患等风险因素进行识别、评估和预测，制定风险应对预案，保障运营活动的稳定性与连续性。​
6、跨部门协作：与生产、技术、采购、销售等部门保持密切沟通，及时了解各部门需求与运营动态，基于数据分析和预测结果协调解决运营过程中的问题，促进信息共享与协同工作。
7、行业研究：跟踪化工行业政策法规、市场趋势、技术创新等动态，结合数据分析及预测模型，分析行业标杆企业的运营模式与经验，提出运营策略调整建议，增强企业竞争力。​
任职要求​
1、专业背景：数学、统计学、计算机、金融等相关专业本科及以上学历，具备扎实的数学、统计及计算机专业理论基础。​
2、工作经验：3 年左右工作经验，有化工类相关工作经验者优先；具备大型公司工作经验，且有相关预测经验者优先。​
3、技术能力：​
（1）精通 Python，熟练掌握数据分析库（如 Pandas、NumPy 等）及机器学习框架（如 Scikit - learn、TensorFlow、PyTorch 等）。​
（2）能够独立完成时序预测项目的全生命周期开发，包括数据清洗、特征工程、学习模型构建、预测体系搭建及模型部署。​
（3）了解成本核算、预算管理及供应链管理知识者优先。​
4、综合能力：具备较强的逻辑思维能力、问题解决能力和创新意识，能够独立完成复杂的数据分析与预测工作；良好的沟通协调能力和团队合作精神，能够有效推动跨部门协作。