1.4 画像平台涉及的岗位

画像平台业务逻辑并不复杂，但是涉及的技术面及相关岗位比较多。标签数据的产出、画像数据质量的维护依赖数据工程师；挖掘类标签以及人群生成需要通过算法工程师完成；标签及人群管理功能、标签及人群服务的实现依赖服务端工程师，其实现方案涉及大数据和分布式技术；平台最终通过可视化的方式对外提供服务，这依赖前端工程师实现；产品的规划与设计、画像平台推广与优化迭代主要靠产品经理；运营人员是画像平台主要应用方之一。下面将详细介绍每个岗位在画像平台中的主要工作内容。

1.4.1 数据工程师

画像平台强依赖标签数据，而标签数据的产出依赖数据工程师。

数据工程包含数据的获取、存储及处理，数据工程师的主要职责就是做好上述工作。在画像平台项目中，数据工程师主要负责大部分底层标签建设，特别是规则类和统计类标签建设，借助大数据工具按时保质保量产出标签数据。对于每一个标签，数据工程师都需要进行前期调研、数据获取以及数据加工工作，对于处理好的数据需要按照业务需求进行存储。为了保证数据异常可以被及时发现，数据工程师需要做好完善的数据监控工作，保证数据生产流程的稳定性和数据结果的可用性。

1.4.2 算法工程师

算法工程师主要负责画像平台挖掘类标签和人群的生成。

画像平台的标签有很多，并不是所有的标签都可以通过现有数据按明确规则生成，有些标签需要借助算法进行挖掘。比如用户的购买意向很难通过数据统计给出结果，需要借助算法预测用户对指定商品的购买意愿。算法工程师需要首先找到一批有购买行为的用户作为样本，分析用户的购买历史并提取购买行为的特征供机器学习算法进行学习，训练出针对该商品的用户购买意愿预测模型，然后使用该模型预测其他用户的购买意愿值，最后根据购买意愿值大小将用户划分成高、中、低三个等级，并最终作为用户标签录入画像平台。

除了生成挖掘类标签，算法工程师还可以生成挖掘类人群。比如人群Lookalike，可以借助用户的特征向量来计算相似度，从而找到与种子人群比较相似的用户群并生成目标人群，其中用户向量由算法工程师负责产出。目前借助算法能力实现智能化人群圈选也是画像平台的发展趋势，算法工程师在画像平台建设中的作用也越来越大。

1.4.3 研发工程师

画像平台属于运营类工具平台，其功能包括前端可视化页面和服务端功能实现，还可以通过接口的形式对外提供画像基础服务并赋能更多业务。以上功能的实现依赖研发工程师。

画像平台的目标就是放大画像数据的价值。对画像数据的具体需求可以抽象为画像平台功能并通过可视化的页面提供给用户使用，如画像平台常见的标签管理、人群圈选及画像分析等功能都依赖前端和服务端研发工程师来实现。

画像平台除了提供可视化页面，也会提供画像基础服务，比如标签查询服务、分群服务、人群判存服务和画像分析服务，这些服务的封装及对外输出需要服务端研发工程师来实现。有些画像服务涉及分布式和高并发场景，服务调用方对服务的稳定性和可用性有很高的要求，服务端研发工程师在其中发挥着重要作用。

1.4.4 产品经理

画像平台要成为一款可用且有用的平台，离不开产品经理的精心规划与设计。

平台建设最终是为了解决业务痛点，这需要产品经理深入理解需求并将需求沉淀为产品方案。业界不同画像平台间的功能虽然相似，但是根据不同的业务特点，功能侧重点和具体细节都不相同，这需要产品经理对自身业务有明确的认识和清晰的判断，设计出更符合自身业务需求的画像平台。对于已经交付的功能，产品经理要及时收集用户使用反馈，不断打磨产品，提高产品质量。

画像平台相关产品以及技术也在快速迭代，产品经理要有开阔的视野，要不断地学习并了解业界发展趋势，结合自身业务特点实现画像平台功能的迭代更新。

1.4.5 运营人员

运营人员是画像平台的核心用户之一，是画像平台主要需求来源方和平台使用反馈方，也是平台的潜在宣传者。

在画像平台的使用者中运营人员占大多数。运营人员可以借助画像平台功能来满足自身需求，如单用户画像查询、人群圈选及画像分析，并最终将人群应用到运营活动中。运营人员的使用反馈对于画像平台非常重要，可以基于实际反馈进行平台功能优化升级。如果运营人员使用画像平台取得了不错的业务成绩，对于画像平台的宣传也有积极作用。