本文是神策数据 CTO 曹犟亲笔撰写的深度招聘解读系列「神策招人记」的第 2 篇。如果通过这些介绍，让大家对一个企业服务公司，一个大数据公司有了新的认识，对于大数据这件事情增加了一些兴趣，那么就达到了我们的目的。
前天，我们发了一篇文章「“数”天下神人，都“据”于此」的招聘文章，秉承我们一贯的作风，我们希望能够让这些招聘文章尽可能“硬”一点、“干货”多一点，因此，我们计划出一系列「神策招人记」的干货文章，希望大家读了文章之后，对于一个典型的大数据企业服务公司是如何运作的？面临着哪些挑战？以及是如何不断解决问题的能够有更好地了解。
神策数据作为一个成立快 4 年的大数据企业服务初创公司，服务了越来越多的客户，在整个行业里面有了一些影响。同时，我们在博客上分享的神策分析产品的技术架构以及开源的数据采集 SDK，也让越来越多的同学开始知道并且关注我们。我们也非常希望能够有更多志同道合的、对于大数据、对于分布式处理感兴趣的同学能够加入我们，一起做一些有趣并且激动人心的产品，推动整个行业的发展。因此，我们觉得有必要通过一系列文章，向那些可能愿意加入我们的同学们，介绍一下神策数据，介绍一下整支团队具体是做什么的、每天会碰到哪些问题、有哪些有意思的技术挑战。
研发团队
我们首先会从技术团队开始聊起。神策数据目前拥有一支超过一百人的技术团队，相比较创业之初只有研发，现在整个技术团队的分工越来越明确，整体上可以分为研发、产品、售前、技术服务四个大的部门。在这篇文章里面，我们会首先介绍研发内部各个团队的职责和要解决的技术问题，希望能够对大家有所帮助。
神策数据为客户提供了如下图的产品矩阵，产品矩阵中的每个产品各自解决不同的问题，例如，神策分析是一个具有较好可视化和分析能力的非常灵活的高性能的海量用户行为实时分析工具，神策推荐是一个基于强大的数据处理分析能力采用领先的深度学习算法技术来提升多维度业务指标的个性化推荐框架，神策标签和自动化运营产品则主要解决用户画像与精准运营的需求。虽然每个产品解决不同的问题，但与此同时，它们又复用一套底层的数据平台，共享平台提供的海量数据的处理能力。整个产品矩阵可以针对不同行业的客户的不同需求，自由组合，提供了从数据采集到传输、存储、分析、建模、可视化、应用的整体解决方案。
因此，在研发团队内部，也基本是按照数据处理的过程，划分为数据采集、数据导入与预处理、分布式存储、分布式查询、数据中台、基础平台化、用户标签、数据可视化、机器学习等不同的技术方向和团队。下面我们依次进行介绍。
数据采集团队
对于所有的数据平台和数据产品来说，数据采集都是整个数据处理过程的起点和重中之重。不管最后这个数据是用于统计报表还是用于个性化推荐，采集到的数据质量，都直接关系到最终应用的质量。正因为如此，我们对于数据采集投入了很大的精力，成立了专门的数据采集团队。
数据采集团队主要解决在不同环境下以最高的效率、最低的代价采集数据的问题。目前由于处理的主要是用户行为数据，因此数据采集团队目前主要在 Android App、iOS App、小程序、网页等客户端以及服务端提供具体的方案采集用户行为相关的数据。
数据采集团队提供的方案会以各个端的 SDK 为载体，SDK 提供了对数据的本地缓存、加密、网络传输、一致性保证等能力的封装，并对外提供统一的数据抓取接口。而在几个典型的客户端，如 Android App 和 iOS App，数据采集团队还提供了统称为“代码埋点”和“全埋点”的两种集成方式。
“代码埋点”可以理解为直接调用 SDK 提供的数据抓取接口来采集用户行为，而“全埋点”则可以理解为在客户端用户进行特定动作时，自动触发 SDK 的数据抓取接口来自动采集对应的用户行为。值得一提的是，数据采集团队的工作基本都以开源项目（开源网址为：https://github.com/sensorsdata/）的形式对外开放，回馈给整个行业。
除了开发与维护 SDK 之外，数据采集团队还需要结合客户的具体应用情况与行业特性，为客户制订整体的数据采集方案，并且协助客户一起保证数据采集的正确性与时效性。当然，除了针对用户行为数据的采集之外，随着神策数据整体业务范围的扩大，未来数据采集团队也需要探索更多其它类型数据的采集方案。
目前，数据采集团队已经在数据采集的性能损耗、数据传输的一致性、接口的易用性、SDK 的稳定性、全埋点的兼容性、数据调试与校验、与 Deeplink 的结合等具体技术点上做了非常多的工作，但也依然有很多技术难点等待攻克，因此，我们也非常希望有在 Android、iOS、JS 底层开发方面有经验，并且对数据采集、大数据感兴趣的同学加入我们，一起打造一个行业内首屈一指的数据采集方案。
数据导入与预处理团队
神策数据服务了不少日 PV 超过百亿的客户，这代表着每天需要导入的数据超过百亿。而神策分析又是一个纯实时的数据分析系统，期望所有的数据都能够以秒级的延迟完成导入。在这样的数据量下，如何在保证完成对数据的基本预处理的情况下，还能让所有的数据实时导入，就变成了一个颇具挑战的技术难题。
我们的数据导入预处理团队，主要就是解决数据导入过程中的一系列问题。例如，在数据导入过程中，如何高效率地完成一些数据预处理工作，从最简单的 IP、User-Agent 等基础字段的解析，到会有上下文依赖的 ID-Mapping（在实时系统中，有上下文依赖的处理环节一直都会是一个技术挑战，这里也不例外）；当突发流量高峰时，如何保证数据不丢失；在多个数据处理节点组成的集群内，如何做好各个节点之间的协同；如何设计良好的对外编程接口，让客户能够方便高效地在数据导入环节嵌入自己的数据处理逻辑。以上所列出的这些技术问题，由于海量数据与实时处理两个大的前提，会变得更有挑战，当然，也会更有趣。
我们欢迎所有对于数据预处理、分布式处理有兴趣，或者有一定 Java 开发经验的同学加入我们，跟我们一起探讨这些很有可能在如此大规模数据和如此高时效性要求下才会发现的问题，一起让客户有限的硬件能够处理更大量级的数据。
分布式存储团队
采集的数据，最终要通过预处理环节后导入到存储介质中。而分布式存储团队，则主要围绕着如何更有效率地存储数据来进行工作。
存储的效率可以从这几个方面来衡量，数据写入的效率、数据读取的效率以及数据所占用的磁盘空间。数据写入的效率，是指如何用尽可能短的时间，实时写入尽可能多的数据；数据读取的效率，则是指针对特定的数据读取和扫描请求，如何在尽可能短的时间内完成；数据所占用的磁盘空间，则是指相同的数据到底需要在磁盘上占用多少空间。
从具体的工作内容上讲，分布式存储团队会基于 Kudu、HDFS 等开源组件，在列存储、数据压缩算法、查询算子下推、扫描预测算法、数据一致性等方面，进行深入的探索与研究。我们非常欢迎在分布式存储方面有经验或兴趣，或愿意参与对主流开源组件的修改与优化的技术同学加入我们，一起继续这方面的工作，探索如何用最好的方式，存储每天千亿级别的数据，并且在数据的写入和查询上达到一个平衡。
分布式查询团队
数据的查询是数据的非常基本也是非常重要的应用，以神策分析为例，作为一款用户行为分析产品，最重要的就是要为客户提供灵活快速的分析能力。从最初只有 3 个单薄的基础分析功能，到现在支持 10 个复杂的分析模型联合构建的场景化分析能力，离不开对数据查询引擎的深度开发。同时，面对数以 TB 级别的海量数据，如何还能保证随机查询的秒级响应，也是分布式查询团队面临的主要的挑战。
分布式查询引擎团队的首要职责就是要配合产品设计，高效地实现各种灵活复杂的分析模型。这里所谓的“高效”，一方面指开发速度快、稳定性高，另一方面也要求最终实现的功能在性能方面达到最优。为此我们已经做了大量的努力，例如我们基于 Impala 原有的执行框架，设计实现了 Transform 数据处理模型，以此为基础实现的各种分析模型，不但逻辑结构简单、代码少，执行性能也比使用 Impala 的原有方式有 10 倍以上的提升。同时，为了尽可能地为客户节省宝贵的计算资源，也是进一步提高查询的整体响应速度，我们还研发了适用于用户行为分析场景的查询缓存机制。正是这层层优化的不懈努力，保证了神策分析卓越的用户体验。
除了功能研发之外，分布式查询引擎作为计算的“终结者”，如何保障其稳定运行，亦是同样重要的工作。神策众多家客户的环境可谓千差万别，除了框架的保障，我们也开发了各种针对查询的监控及问题排查工具，以方便定位问题，节约运维成本。
不仅仅是神策分析，产品矩阵内的很多其它数据产品，也需要用到查询能力，分布式查询团队，还需要考虑如何为这些产品来提供统一的查询能力，并进行相应的性能优化。在这个过程中，对于需求的抽象、架构的设计都有很高的要求。
分布式查询引擎的研发方向充满挑战，但这也同样证明了我们团队对技术的不懈追求。我们热切期盼对分布式查询引擎有所研究，并且熟练掌握 C/C++ 和 Java 语言的资深研发工程师的加入，与我们一起追求性能的极致，让数据本身成为数据分析能力的唯一局限。
数据中台团队
神策数据目前正处于从单一产品向产品矩阵演进的过程中，而这多个产品都是围绕数据处理展开的，所以每个产品都有数据导入、数据存储、数据查询这方面的功能需求。在这个前提下，数据中台团队的工作，就是对这些通用的数据处理能力进行很好的抽象与平台化，让我们在研发不同的产品时可以专注于产品本身的业务与功能，而不用从头开始造轮子。
数据中台团队目前面临的主要技术挑战有：如何提供一个在产品功能需要急速迭代的情况下仍然能够保证整个后台稳定可靠的业务开发框架；如何设计良好可靠且易扩展的 API 接口，既能满足可视化团队同学的使用需求，又能满足深度集成客户的 API 调用需求；如何在多个产品线既有大量的逻辑耦合又有自己的特殊要求的情况下划分服务的边界和进行微服务的设计；如何解决分布式事务和元数据缓存的问题。数据中台团队已经在解决以上问题的过程中积累了丰富的经验，也进行了很多有效的尝试，但同时我们也面临着很多新的技术挑战。
数据中台团队作为整个神策数据平台前端请求的排头兵和后台查询的守门员，承担着非常多的产品功能迭代和产品矩阵化的需求，一方面需要团队同学有着扎实的技术和代码基础，另一方面也需要对整个业务需求有着清醒的认识和理解。我们也欢迎更多的对大数据产品后台、业务框架开发、微服务设计感兴趣，或者有 Web 开发相关经验的同学加入我们，我们可以一起一边解决有挑战性的技术难题，一边去打造全新的有创造性的大数据分析产品。
基础平台化团队
虽然与大部分 SaaS 公司在商业模式上一样，都是以按年收取产品和服务费用为主。但与大部分 SaaS 公司不同的是，出于对数据隐私、数据安全性、数据的充分应用等方面的考虑，神策数据在第一个产品的第一个版本，就具有私有化部署的能力。而随着这几年我们的客户规模进一步扩大，大部分客户也的确如我们预料的那样选择了私有化部署模式，私有化部署能力也客观上成为我们的一大杀手锏。
不过，私有化部署也会带来很多技术上的挑战，如何能够让一套产品兼容不同的软硬件环境，在数百上千个环境内稳定运行，如何能够尽可能减少安装、部署与运维的代价等等，都是客观存在的技术难题。这几年里，我们也注意到市场上的不少友商也先后尝试私有化部署，有些也最终放弃了。这些都说明私有化部署相对于 SaaS 服务具有自己的独特技术难题。
我们的基础平台化团队就是致力于解决这类问题。他们工作包括兼容市面上各种不同的 Hadoop 发行版；开发无人值守、一键安装的自动化部署工具；开发统一的资源调度与管理平台等。我们欢迎在自动化运维方面有经验，或对私有化部署有兴趣的同学加入我们，一起在这方面进行更加深入的探索。
用户标签团队
我们目前主要处理的还是用户行为相关的数据，而在用户行为相关的应用上，基于用户行为来理解用户，据此生成用户标签，完成对用户的刻画与画像是一个广泛存在并且非常有意义的应用场景。也因为此，我们将于用户标签、用户画像相关的工作单独抽象成一个具体的技术方向。
用户标签团队主要负责与用户标签的计算、管理、展示、查询、审批、权限等功能的设计和研发工作，并与我们的数据分析师、行业专家团队一起，抽象银行、券商、零售等各个不同行业对于人群刻画、用户画像方面的需求，与机器学习团队一起选择合适的算法完成对人群的分类与预测等。我们欢迎那些对于用户画像有兴趣，或者有分布式数据应用经验的同学加入这个团队，一起探索用户画像与用户标签在各个不同行业的落地与应用。
数据可视化团队
报表与多维查询，都是非常直观也非常有价值的数据应用方式。而对这一类数据应用类型来说，如何让查出来的数据，以图形化手段，更加清晰和有效地将信息传达给数据的使用者，就是一个非常有意义的话题。从很多实际的例子中我们可以知道，同样的一组数据，可视化展示得好还是不好，会直接影响使用者对于数据的解读，从而最终影响基于数据做出的决策。因此，在我们看来，数据可视化并不是一个让数据“好看”的花里胡哨的工作，而是一种真正专注于让揭示繁杂的数据背后的规律，给使用者提供灵感，辅助使用者完成决策的很有意义的事情。
具体到实际的工作中，数据可视化团队需要从头研发或者基于开源组件，完成各个分析模型分析结果的图表化展示，以直观便捷的方式让使用者能够与数据进行交互，方便地完成数据的钻取与筛选。同时，数据可视化团队还有一部分工作是完成产品矩阵内各个产品的用户交互界面的开发。我们非常欢迎对数据可视化感兴趣，有一定前端开发经验的同学们加入这个团队，一起开发一个极美观与易用性一体的数据产品。
机器学习团队
大数据与机器学习，在很多应用场景上是一体两面。除了神策推荐这样一个一听名字就知道用到了机器学习技术的个性化推荐产品以外，在神策分析、标签和运营产品中，机器学习技术也广泛得到了应用。例如，在神策分析中，我们需要用到机器学习技术来预测流量趋势，当数据发生异常时来自动发现异常主要体现在哪些维度上，或是找到某个特定流程中完成了转化和未完成转化的两类典型客户群体在用户属性和行为上有什么差异。在神策标签和运营产品中，机器学习技术也被广泛用于对用户的精准识别、预测和运营中。也正因为如此，我们的机器学习团队除了继续开发、交付神策推荐产品之外，还需要和其他团队的同事一起合作，探索机器学习技术在其他几个数据产品中的落地可能性等。
机器学习团队内部分为算法与策略工程化两个技术方向，算法方向的同事会更专注于算法本身的选择、开发与调优，而策略工程化方向的同事则会更专注于算法的工程化、数据流的开发，服务的稳定性等。我们非常欢迎对机器学习有兴趣，愿意在真实的海量数据环境下验证算法的实际效果的同学们加入我们，一起来探索数据除了分析报表以外，还能有哪些更智能的、更有趣的应用。
谨以此文章，献给在人生十字交叉口徘徊、或在求职路上迷茫、或对大数据和数据分析感兴趣、或渴望加入我们却不知突破点的有志之士们，希望对你们有所帮助！
在上一篇文章《为了找到你，我不惜“出卖”他们 | 神策招人记》里，我们详细介绍了神策内部各个研发团队所具体从事的工作以及目前着力解决的各个技术挑战。而除了研发团队以外，神策内部还有很多其它有意思的团队在做着有意思的事情。这篇文章中，我们将继续给大家介绍产品团队、技术服务团队和售前团队的工作。
产品团队
正如字面意义上所说，产品团队主要负责产品相关的各项工作。在神策内部，产品经理与设计师属于同一个大团队，下面我来依次介绍这两个职位的工作职责与使命。
产品经理团队
作为一个企业服务类型的公司，神策的产品经理与普遍意义上的用户产品的产品经理，在职责和内容上，有相近的地方也有特别的地方。
相同的地方在于，都需要负责整个产品开发生命周期中各个阶段的工作，从最开始的需求收集、需求梳理，到产品开发过程中的功能点定义、原型设计、功能验收，再到上线后的数据分析，产品经理的工作贯穿整个需求的生命周期，始终围绕「用户→场景」探索、验证、交付产品功能。毕竟，本质上产品经理就是调集公司内部各种资源，将解决方案变为实际产品，输出给用户/客户并最终解决问题的人。
但与用户产品不同的是，作为一个企业服务的公司，神策的产品经理更关注需求从产生、设计、交付再到验证的整个闭环，同时也承担衔接售前获客、为业务团队赋能的特有职责。另外，企业服务类产品的部分需求直接来源于客户和潜在客户的真实需求，会比用户产品更加直接，既要求能深入理解客户的业务，也要求能跳出来对场景进行抽象；而对于产品的评价反馈，不同于用户产品一般难以衡量用户口碑，企业服务类产品有最核心的指标，即客户是否愿意付费，是否愿意续约。与此同时，对于一个企业服务类产品来说，核心问题还是要能够解决客户业务中的实际问题，这一点在某种意义上会比产品是否美观，使用是否流畅更为重要。
这些不同点，都让神策的产品经理与普遍意义的用户产品产品经理有很大的不同，需要有很强的业务理解和沟通能力，能够直面客户需求，沉下心来充分理解客户的业务，同时，又需要能够系统地做好需求的抽象，对行业有较好的认识，充分做好需求的产品化解决方案，而不是局限于项目的解决方式。
我们非常欢迎有过企业服务类产品工作经验，或者在用户产品领域有充分经验想尝试企业服务类产品、愿意走出办公室真正地与客户沟通理解客户需求的同学，加入我们的产品经理团队，一起做出好用的数据产品去实际解决客户的问题，探索新的业务边界。
设计团队
设计团队的工作也是围绕着如何让产品更好地发挥价值而来。如果进一步拆分的话，可以认为设计团队有两个核心的职责和使命，一个是如何让产品更好用，另一个，则是如何让数据中蕴含的价值更容易被发现。
第一个职责与使命，是围绕着创造优秀的用户体验，化繁为简。对于神策的产品设计师，不止关注于产品的使用场景，设计更好的操作流程和呈现，更需要考虑服务体验，即是服务过程中包括客户侧、神策内部各个相关使用者的体验、成本。在我们设计师眼中，产品的每个交互、服务中的每个「触点」，都可以被设计和衡量，为客户带来具象且好用的体验感。
第二个职责与使命，是围绕通过可视化的手段，让数据表达更丰富、更能驱动商业智能的信息。这需要和数据可视化团队紧密配合，去创造性地针对不同的分析模型、数据结果寻找最好的数据展现方式，综合运用各种可视化方法，让数据的解读更加便捷，让信息呈现更加直观有效，从而发挥数据更大的价值。
我们非常欢迎有数据可视化或者企业服务产品设计经验，对大数据有热情的伙伴加入我们，通过自己的设计让客户更好地发掘数据中蕴含的价值，一起打造流畅好用的数据产品，一起设计和创造顶级的体验与价值。
技术服务团队
技术服务团队应该是企业服务类公司特有的团队。与用户产品不同，对于一个企业服务类公司来讲，并不是说研发了一个好用的、功能强大的、性能领先的产品，就万事大吉。如何让客户能够把产品用起来，如何让产品能够解决客户的实际问题，这些对于一个企业服务类的公司来说，可说是生死攸关的问题。“给客户带来价值”，一直是我们秉承的价值观，也正因为这方面的考虑，我们成立了专门的服务团队，来为客户提供从交付实施到技术支持，再到咨询顾问等全流程的服务，而技术服务团队，正是这个服务过程中的重要一环，承担了技术服务的工作。
技术服务本身是一个复杂的系统化工程，为了提高专业化程度以提高最终的人效，我们将技术服务团队按照具体的工作职责拆分成如下一些不同的小团队。
项目经理团队
这两年随着数据驱动越来越深入人心，神策服务的客户群体，也从最开始的互联网行业向更多的行业，如银行、券商、航司等扩展。这些客户对于交付时间、实施质量、安全与合规等都有更高的要求。
为了应对这些客户的要求，我们在技术服务部内组建了专门的项目经理团队。
在我们针对一个大客户的项目交付过程中，完整的项目组通常会由售前工程师、销售、项目经理、实施工程师、数据分析师、研发工程师组成。在这其中，项目经理将作为项目组的领导者和决策人，负责整个交付过程中的项目管理工作；对潜在的项目风险进行预测和分级，并制定调整计划和应急策略；同时，在项目的售前阶段，项目经理需要参与评审，规避合同风险，确保项目能成功交付。
除了项目管理的必备技能以外，项目经理也需要对于我们自己的产品和解决方案有着深入的了解，对客户的业务也需要有相当的认识，从而才能够更好地理解客户需求，并在此基础上调度公司内部资源，推进整个项目高质量的按时完成，以最终满足客户的需求，给客户带来价值。
我们欢迎那些有较强组织和协调能力，愿意通过数据分析产品和解决方案努力给客户的实际业务带来真正价值的同学加入我们。特别是那些有丰富的项目交付经验，有自己的项目管理方法论的同学，我们也更期待他们能够将这些好的经验与方法论带到神策，给整个团队赋予更多新东西，帮助整个团队成长。
实施团队
在上面介绍我们的项目交付过程中时，我们提到，除了项目经理负责整体的项目管理工作以外，还会有很多其他角色也一起参与到项目的交付过程中。而实施团队，正是其中的一个关键角色。
在实施团队内部，我们分为实施工程师和 ETL 开发工程师两个角色。
其中，实施工程师，除了要负责大数据产品的整体安装部署和故障分析排查之外，还需要根据客户的数据采集需求制定相关技术方案，包括系统部署方案、数据采集方案等，同时还需要进行技术培训并辅助客户进行数据采集，甚至还要承担起产品本身使用的支持与答疑。简单来说，实施工程师承担了整个交付实施项目中的技术负责人的角色，需要有比较全面的技术能力，对大数据技术和产品有深入的了解，有较强的协调与沟通能力，并且擅长独自解决问题。
而 ETL 开发工程师，在职责上会更侧重于数据流的建设、开发相关工作，在售前阶段给出数据处理的可行性评估，在实施过程中根据客户需求给出技术方案并进行数据处理，除此之外还需要负责神策通用数据处理工具的研发和维护，参与机器学习特征工程的建设，工作更加专业也更加深入。
我们欢迎那些对大数据技术感兴趣，有相关的实施、开发经验的同学加入我们，与实施团队一起，承担起交付实施过程中的技术重担，让我们的产品在客户环境中得到很好的交付，与其他团队一起让产品能够解决客户的问题，真正地为客户带来价值。
运维团队
虽然从工作内容上，神策的运维团队与大部分同行相同，主要的工作也是安装、升级、处理报警、排查等这些问题。但正如我们在上一篇文章中介绍的那样，与传统的 SaaS 类企业不同，神策有相当多的客户最终选择了私有化部署方式，而这种方式也会给我们的运维团队带来更大的压力与挑战：负责维护的不再是少数几个环境，而可能是数百甚至更多的环境，这些环境互相之间完全异构，软硬件条件全然不同。
那么，在这种情况下，效率及自动化就尤为重要，神策运维团队的主要工作目标，就是通过平台和工具，不断提升运维自动化水平，以有限的人力，来保证产品在越来越多的不同的客户环境下面能够稳定、高效地运行，快速定位处理故障。一方面，需要优化流程，将工作标准化，而另一方面，则更重要的是，需要用机器来解放人力，用产品化、工具化的思路解决问题。
这就对运维团队有了更高的要求，除了日常按部就班的完成常规的运维操作以外，还需要有较强的归纳整理能力，能够将琐碎的工作做好归纳与抽象，与研发一起，通过产品、工具的方式解决这些问题，将团队自身从枯燥重复的工作中解放出来。
我们欢迎那些对自动化运维、大数据感兴趣，有相应运维经验的同学加入我们，与整个团队一起在我们这样一个颇具挑战的场景下面，尝试这些有挑战性的问题。
技术顾问团队
作为一个重视客户服务，重视客户价值的团队，即使产品已经最终交付给客户使用，我们还会一如既往地提供相应的售后服务，而技术顾问团队所做的工作则正是售后服务中的重要部分。
技术顾问团队通过电话、IM、工单等方式与客户直接交流，协助客户完成从数据接入、产品使用、配置调整到性能优化等各方面的工作。在必要的时候，我们的技术顾问，还会提供针对数据校验、ID-Mapping、自定义数据导入等复杂的数据应用场景提供完整的技术解决方案，并与内部其他团队一起协助客户最终将方案落地。
在神策内部，技术顾问团队会细分为数据产品技术顾问、各个端（如 iOS、安卓、Web、小程序等）的数据接入顾问等，工作内容和技术能力会各有侧重。除此之外，也会有一些经验比较丰富、资历较深的同学，会更侧重于复杂需求场景的整体技术解决方案。
在今年，随着我们业务的迅速增长，技术顾问团队需要服务的客户越来越多，需要解决的问题也越来越多。而且，这两年，随着我们从单一产品走向产品矩阵，同时产品对于客户业务的切入越来越深入，技术顾问团队所面临的技术问题也越来越复杂。
在这种情况下，技术顾问团队除了日常按部就班地解决客户问题以外，还在进一步归纳与总结客户提出的问题，与研发和产品团队一起，一方面通过产品本身的迭代改进来解决；另一方面则也希望将我们提供的服务本身也产品化，通过更顺畅的信息共享、流程控制等工具的开发，内部知识库的积累等方式，提高我们本身服务的效率。
我们欢迎那些愿意具备较强的分析和解决问题能力的同学加入技术顾问团队，一起探讨如何用技术手段让我们更高效地解决客户问题。
售前团队
作为一个企业服务类型的公司，在与客户正式合作之前，是非常有必要与客户进行充分沟通的。这其实也是一个双向选择的过程：一方面，我们通过向客户详细介绍我们的产品功能、性能与整体解决方案，让客户对我们有一个全面的了解，判断是否存在对应的需求；另一方面，我们自己也需要通过详细了解客户的真实需求，判断我们是否能够满足这些真实需求。只有双方坦诚沟通，就需求与方案最终达成一致，后面的合作才能顺利，产品才能为客户真正带来价值。
而在这个过程中，售前团队扮演了非常重要的角色：一方面作为业务专家与技术专家，通过沟通与宣讲解除客户对于产品与方案的疑问；另一方面，也需要适当地协助与引导客户挖掘场景之后的真实痛点，并诚实而准确地判断神策是否能够解决。当然，除了这两个核心职能之外，售前也会承担一些类似于 POC、方案撰写、投标等的事务性工作。
在售前团队内部，由侧重的方向不同，会划分为售前工程师和数据方案咨询师两个不同的岗位：前者更侧重于技术方面的工作，主要解决客户对于方案技术上的疑问，完成完整的技术架构设计；后者则更侧重于业务方面的工作，主要与客户沟通和探讨数据分析在客户的实际业务中可能发挥的作用，为客户提供定制化的数据咨询方案。
我们欢迎那些有相关工作经验的同学加入我们，如果喜欢与客户沟通，喜欢在沟通中挖掘客户的需求，那么，在这份工作中肯定能让你得到乐趣。
谨以此文章，献给在人生十字交叉口徘徊、或在求职路上迷茫、或对大数据和数据分析感兴趣、或渴望加入我们却不知突破点的有志之士们，希望对你们有所帮助！
更多干货和案例，可以关注“神策数据”和“用户行为洞察研究院”公众号了解~
若有收获，就点个赞吧
0 人点赞
