字节跳动
实习物流风控数据分析实习生-TikTok Shop
上海 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，物流管理、供应链、数据科学、信息管理、数学/统计学等相关专业优先
- 数据基本功：具备良好的数据分析敏感度，熟练掌握SQL，能独立完成基础的数据提取与清洗（有Python/R分析经验者加分）
- 物流基础认知：对跨境电商、3PL/4PL、首公里与末端配送模式有基础概念；有电商物流、物流商运营或风控相关实习经验者优先
- 语言与协作：中英文流利，具备良好的跨文化沟通能力，能适应国际化团队的协作节奏
- 软实力：具备自驱力、快速学习能力和逻辑推理能力，面对复杂的作弊对抗有好奇心和钻研精神
- 实习时间：每周可实习4天及以上，持续3个月以上（可实习6个月及长期实习者优先）。
岗位描述
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
团队介绍：TikTok Shop 是 TikTok 旗下的内容电商。平台汇聚全球优质商家与创作者，通过短视频、直播等多场景连接消费者，让新奇好物畅销全球，让美好生活触手可得。目前团队分布在美国、英国、法国、印尼、墨西哥、中国等全球多个国家和地区，在这里你将有机会深入国际场景，面向全世界商家及用户，和跨区域团队协作，共同探索创新购物模式。期待和优秀的你一起创造更多可能！
- 1、数据探索与信号挖掘：协助分析主流物流商（如USPS、UPS、FedEx等）的运营数据与轨迹特征，协助将复杂的物流数据转化为结构化、可落地的风险识别信号；
- 2、风险案件排查：参与物流欺诈、异常轨迹、邮资滥用等复杂风险案件的深度排查与溯源分析，沉淀作弊手法，辅助策略迭代；
- 3、策略效果跟踪：协助监控和评估现有物流风控策略的运行效果，通过数据分析发现策略漏洞并提出优化建议；
- 4、跨部门协同支持：协助策略专家完成与算法、数据及工程团队的日常沟通，确保风控策略的平稳落地；
5、你将收获什么：
- 1）硬核业务场景：直接接触出海电商最核心、最前沿的物流风控对抗，积累含金量极高的业界风控经验；
- 2）1对1导师带教：风控策略专家带教，手把手带你熟悉从数据分析到策略落地的全链路；
- 3）国际化视野：与分布在全球各地的跨国团队协同工作，提升全球化协作与英语实战能力。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。