风控数据工程师 - Risk Data Engineer

该职位来源于猎聘 岗位定位： 处理高频 Tick 数据、用户行为数据、交易数据、资金数据等大规模数据，并为风控模型、异常检测、用户风险评分和实时监控提供稳定、准确、可复用的数据与特征支持。 岗位职责：

• 负责风控相关数据链路建设，包括数据采集、清洗、加工、校验、存储和输出。
• 处理高频 Tick 数据、行情数据、交易行为数据、用户行为数据、资金流水等大规模金融数据。
• 建立风控特征工程体系，为机器学习模型、风险评分模型、异常检测模型提供高质量特征。
• 支持风控模型训练和上线，提供稳定的数据集、特征表、标签体系和数据验证逻辑。
• 与数据科学家、风控团队、后端工程师协作，将风控数据能力接入实际业务系统。
• 优化大规模数据处理性能，提升数据处理效率、准确性和稳定性。
• 参与风控数据监控体系建设，包括数据质量监控、异常波动检测、特征稳定性监控等。 任职要求：
• 4 年以上金融数据、风控数据、数据工程或大规模用户数据处理经验。
• 精通 Python 和 SQL，能够独立完成复杂数据处理、数据清洗、特征构建和性能优化。
• 熟悉数据处理和特征工程方法，能够将原始业务数据转化为可用于风控模型的结构化特征。
• 有高频 Tick 数据、行情数据、交易数据或金融时间序列数据处理经验。
• 有用户行为数据处理经验，理解用户路径、行为日志、事件埋点、转化漏斗等数据结构。
• 了解机器学习模型基本原理，能理解模型对数据、特征、标签和样本质量的要求。
• 具备较强的数据质量意识，能发现并处理缺失、重复、异常、延迟、口径不一致等问题。
• 能够处理高并发、高频率、大体量数据，并关注数据链路的稳定性和可扩展性。 加分项：
• 有金融科技、交易平台、券商、支付、反欺诈、反洗钱、风控系统相关经验。
• 熟悉入金、出金、交易、持仓、账户、KYC、用户行为、行情等金融业务数据。
• 有实时数据处理经验，熟悉 Kafka、Flink、Spark、Airflow、DBT 等工具优先。
• 有 Feature Store、数据仓库、指标体系、标签体系或风控数据平台建设经验。
• 熟悉模型特征监控、数据漂移、样本构建、特征回溯、训练集生成等流程。
• 有大规模客户数据处理经验，能够支持百万级或更高体量用户数据分析与建模。 我们希望你是这样的人：
• 不只是取数和写 SQL，而是能理解风控场景背后的业务逻辑。
• 对数据准确性、稳定性和可追溯性有高要求。
• 能把复杂、分散、实时的金融数据整理成可建模、可监控、可复用的数据资产。
• 能与算法、风控、产品和研发团队高效协作，推动数据能力真正落地到业务系统中。