数据工程师 - 反金融犯罪方向（业务分析经理）

加密货币反洗钱、链上数据分析、金融风险监测、企业级数据平台、机器学习特征工程、业务分析经理、香港 Web3 人才

职位速览

在快节奏的 Web3 行业，反金融犯罪（Anti-Financial Crime, AFC）团队既是安全守门员，也是产品创新的发动机。我们正在寻找一位热爱数据、对风险敏感且能用 SQL 与 Python 讲故事的业务分析经理——你将把庞杂而割裂的链上链下数据，变为精准打击洗钱行为的“武器库”。

你将做什么

数据全景洞察

• 深度勘探链上、链下、法币以及 KYC 数据：梳理字段、找出缺口、追踪血缘。
• 用可视化与文档把结果同步给数据工程团队，缩短从探查到上线的延时。

原型到模型的闭环

• 把洗钱场景（如混币、分层、行为规避）拆解为可量化特征：交易速度、对手方风险评分、图网络指标等。
• 运用 SQL/PySpark 快速原型实验，与模型团队毫秒级接口，迭代只在几天内完成，而非几周。

👉 揭秘链上风险指标的核心算法，一步升级你的职业竞争力

数据质量守门

• 实施一次性 QC、漂移监控与分层采样，确保上线前的每个变量有迹可循、不“暴雷”。

跨部门协作

• 与数据科学家并肩，解释特征如何驱动 AUC、KS、Precision-Recall；
• 为合规调查员作翻译，让他们听懂“为什么这个地址有洗钱风险”。

实时 & 历史回溯

• 监管突袭？用即席 SQL 把过去 12 个月的交易快照重放，3 小时内交付审计结果。

前沿跟踪

• 每季度评估一次图神经网络、LLM Embedding、时序异常检测在新场景落地的 ROI，保持技术栈始终领先。

我们寻找这样的你

硬实力

• 4 年及以上 数据工程 / 分析经历，做过特征工程、扛过 TB 级数据。
• 精通 SQL 与 Python (Pandas / PySpark)，熟悉 Spark / Hadoop / Databricks / Alibaba DataWorks 任一生态。
• 掌握机器学习评估指标：AUC、Log-Loss、F1、KS，能辩证看待指标与业务影响。
• 有 AML / KYC / 反洗钱 或可量化风控相关项目经验者优先。

软实力

• 不惧脏数据，能把 5 张不同语言编码的表折腾成 1 张干净表。
• 沟通无障碍：能把复杂逻辑拆解成 2 分钟讲清的电梯演讲。
• 工作自驱，涉猎加密交易所、虚拟资产服务商 (VASP) 典型监管数据流 (KYT、TM、Case Management) 将加分。

你将享受的福利

• 逆风也加薪 的薪酬体系
• 年度学习津贴（课程、会议、证书任性选）
• 15 天带薪假 + 关爱假，外加全球团建与数字游民远程周
• 覆盖员工与直系家属的 高端医疗险
• 餐补 & 健身津贴：把健康指标也写进 KPI？

成长路线速绘

1. 0–6 个月：独当一面完成首个链上地址画像模型上线。
2. 6–12 个月：牵头端到端的反洗钱数据中台，服务 10+ 条产品线。
3. 12–24 个月：晋升为团队技术 Owner，带领 3–5 位数据工程师打造新一代 AFC 引擎。

👉 遇见顶尖链上安全团队，一同定义下一代合规标准

FAQ | 你关心的都在这里

Q1：简历没写“加密货币”项目就没戏吗？
A：不必。只要你对链上数据或 AML 场景做过传统金融或大数据风控即可，快速学习能力更重要。

Q2：写在 JD 里的技术栈都要会吗？
A：不需要全会，但至少对 Spark / PySpark 与 SQL 性能调优 熟到可以信手造景。其他技术有基础即可入职后补。

Q3：工作节奏会不会卷到失眠？
A：OKX 提倡高效交付：任务明确、复盘透明，加班文化被媒体夸大；我们鼓励持续学习而非无效熬夜。

Q4：团队海外成员多时区协作难吗？
A：核心会议固定在北京时间上午段，其他场景通过飞书 & Slack 异步沟通，弹性打卡缓解时区冲突。

Q5：我有家庭，能否远程办公？
A：本岗位主要在香港，短期内需现场磨合；表现稳定后可申请每月一周远程。

Q6：合规压力大会不会抑制技术创新？
A：恰恰相反，监管合规 → 数据需求 → 技术突破，正是我们在 Web3 领域领跑的核心驱动力。

站队未来，今天你决定

在全球加密交易中心——香港，为亿万用户守护资金安全，用数据重新定义反金融犯罪的边界。把简历发送给我们，一起让加密世界更安全、更自由。