岗位职责：

系统架构设计与技术攻坚从0到1规划风控系统技术架构，完成技术选型（规则引擎/实时计算框架/数据存储方案），设计高并发、低延迟的分布式风控决策平台。

搭建核心基础设施：包括实时特征计算引擎、动态规则管理系统、风险画像平台、多策略决策工作流等。

数据体系与风控模型工程化

1.构建风控专用数据仓库，设计实时/离线特征加工流水线，实现数据采集、清洗、存储到特征服务的全链路闭环。

2.将机器学习模型（反欺诈、信用评分等）与规则策略融合，开发自动化模型部署与AB测试框架。

2.系统落地与性能优化

1.主导风控系统核心模块编码，解决高并发流量下的性能瓶颈，确保99.99%系统可用性。

2.建立监控报警体系，设计系统容灾方案，实现风险拦截效果与系统稳定性的双重保障。

3.跨领域协同与标准化

1.推动风控系统与业务系统（支付、交易、用户中心）的无缝集成，制定API接口规范与数据对接标准。

2.编写技术文档，沉淀系统建设方法论，培养团队风控技术能力。

技能要求

1.核心技术能力1.编程语言与框架精通 Java 语言，熟悉微服务开发框架（Spring Cloud/Dubbo/Gin等）。掌握云原生技术栈（Docker/Kubernetes/Service Mesh），具备容器化部署与运维能力。

2.大数据处理熟练使用 Flink/Spark Streaming 开发实时特征计算引擎，熟悉 Kafka/Pulsar 等消息队列。掌握海量数据存储技术：关系型数据库（MySQL/PostgreSQL）、NoSQL（HBase/Redis/ES）、OLAP（ClickHouse/Doris）。

3.风控专用技术熟悉规则引擎（Drools/Aviator）、决策流引擎（Camunda/自研）开发与优化。掌握风控特征工程全流程：特征抽取、实时特征服务（Redis/Flink State）、特征监控。了解模型工程化技术：TensorFlow Serving/MLflow 等模型部署工具，AB测试框架。2.数据与算法能力1.熟悉常用风控算法（GBDT/XGBoost/图神经网络）的工程落地，能将模型与规则策略融合。2.掌握 SQL 复杂查询优化，能设计高效的实时/离线数据加工链路。3.具备基础的数据分析能力：能通过 Python/Pandas 验证特征有效性，解读风险报表。3.工程化能力熟悉从需求到上线的完整 DevOps 流程：代码管理（Git/GitLab），CI/CD（Jenkins/Argo CD），监控（Prometheus/Grafana）。1.掌握系统高可用设计：容灾方案（多活架构/数据备份），限流熔断（Sentinel/Hystrix），性能调优（JVM/线程池/GC）。4.行业知识1.熟悉金融级风控标准：支付风控（PCI DSS）、反洗钱（AML）、数据隐私（GDPR）。2.了解黑产攻击手段：撞库、套现、薅羊毛等，能针对性设计防控策略。5.硬性门槛1.必须实际主导过风控系统的技术选型（如规则引擎自研 vs 开源改造vs 采购商业化产品）。2.必须具备复杂场景的架构设计能力（如同时支持实时反欺诈 + 离线信用评估的混合架构）。