尋找現場/混合工作

崗位職責：

系統架構設計與技術攻堅：從0到1規劃風控系統技術架構，完成技術選型（規則引擎/實時計算框架/數據存儲方案），設計高並發、低延遲的分佈式風控決策平台。

搭建核心基礎設施：包括實時計算特徵引擎、動態規則管理系統、風險畫像平台、多策略決策工作流等。

數據體系與風控模型工程化

1. 構建風控專用數據倉庫，設計實時/離線特徵加工流水線，實現數據採集、清洗、儲存到特徵服務的全鏈路閉環。

2. 將機器學習模型（反詐欺、信用評分等）與規則策略融合，開發自動化模型部署與 AB 測試框架。

系統落地與性能優化

1. 主導風控系統核心模組編碼，解決高並發流量下的性能瓶頸，確保99.99%系統可用性。

2. 建立監控報警體系，設計系統容災方案，實現風險攔截效果與系統穩定性的雙重保障。

跨領域協同與標準化

1. 推動風控系統與業務系統（支付、交易、用戶中心）的無縫整合，制定 API 介面規範與數據對接標準。

2. 編寫技術文件，沉澱系統建設方法論，培養團隊風控技術能力。

技能要求

1. 核心技術能力

1) 編程語言與框架：精通 Java 語言，熟悉微服務開發框架（Spring Cloud/Dubbo/Gin 等）。掌握雲原生技術棧（Docker/Kubernetes/Service Mesh），具備容器化部署與運維能力。

2) 大數據處理：熟練使用 Flink/Spark Streaming 開發實時計算特徵引擎，熟悉 Kafka/Pulsar 等消息隊列。掌握海量數據存儲技術：關係型資料庫（MySQL/PostgreSQL）、NoSQL（HBase/Redis/ES）、OLAP（ClickHouse/Doris）。

3) 風控專用技術：熟悉規則引擎（Drools/Aviator）、決策流引擎（Camunda/自研）開發與優化。掌握風控特徵工程全流程：特徵抽取、實時特徵服務（Redis/Flink State）、特徵監控。了解模型工程化技術：TensorFlow Serving/MLflow 等模型部署工具及 AB 測試框架。

2. 數據與算法能力

1) 熟悉常用風控算法（GBDT/XGBoost/圖神經網絡）在工程中的落地，能將模型與規則策略融合。

2) 掌握 SQL 複雜查詢優化，能設計高效的實時/離線數據加工鏈路。

3) 具備基礎數據分析能力：能通過 Python/Pandas 驗證特徵有效性，解讀風險報表。

3. 工程化能力

熟悉從需求到上線的完整 DevOps 流程：程式碼管理（Git/GitLab）、CI/CD（Jenkins/Argo CD）、監控（Prometheus/Grafana）。掌握系統高可用設計：容災方案（多活架構/數據備份）、限流熔斷（Sentinel/Hystrix）、性能調優（JVM/執行緒池/GC）。

4. 行業知識

熟悉金融級風控標準：支付風控（PCI DSS）、反洗錢（AML）、數據隱私（GDPR）。了解黑產攻擊手段：撞庫、套現、薅羊毛等，並能針對性設計防控策略。

5. 硬性門檻

1) 必須實際主導過風控系統的技術選型（如規則引擎自研 vs 開源改造 vs 採購商業化產品）。

2) 必須具備複雜場景的架構設計能力（如同時支持實時反詐欺 + 離線信用評估的混合架構）。