You apply machine learning and spatial analysis to urban datasets — traffic, housing, utilities, demographics — to inform city planning and smart city initiatives.
注：职业描述基于市场通用岗位职能，实际工作内容因单位和部门有所不同。
月薪（税前）· 受地区、单位性质和个人能力影响较大
北京、上海、深圳等一线城市薪资通常高于全国平均水平 20–40%
国有企业稳定性强，私营和外资企业薪资弹性较大
AI工具将大幅提升该职业的工作效率，善于运用AI的从业者可以产出倍增。主动学习AI工具的毕业生将明显领先于同行。
技术技能名称保留英文（行业通用表达），面试和实际工作中均以此为准。
在导师或上级指导下熟悉业务体系，建立专业知识框架。通常需要 3–6 个月内开始独立承担项目模块。
独立主导项目或业务模块，开始带领初级成员，逐步建立行业内的专业声誉和人脉网络。
负责重大项目或部门管理，参与战略决策，薪资上限显著提升。高级岗位通常需要丰富的项目记录或专业认证。
上午9:00–10:30，参与城市交通调度平台晨会，与交管部门同步昨日早高峰拥堵热力图异常点；10:30–12:00清洗整合多源数据（地铁刷卡、共享单车GPS、卡口视频结构化记录），修复时空对齐偏差；下午13:30–15:00构建短时客流预测模型，调参优化LSTM-GCN融合架构；15:00–16:30向规划局演示“地铁延时运营影响模拟”可视化看板，解释关键特征贡献度；16:30–17:30撰写数据治理日志，标注新接入的社区网格员上报事件数据质量标签，并同步至市级城市大脑数据中台。
需具备扎实的数据科学基础与城市系统认知双重能力。硕士及以上学历为普遍门槛，优先考虑地理信息科学、城市规划、统计学或计算机相关专业背景。熟练掌握Python（Pandas/GeoPandas/PyTorch）、SQL及空间数据库（PostGIS）操作，熟悉城市多源异构数据特性（如浮动车、IoT传感器、政务工单）。具备1年以上智慧城市项目经验者更受青睐。
不需要。本岗位属数据技术序列，核心认证聚焦于数据工程（如CDA、AWS Certified Data Analytics）或空间智能（如Esri ArcGIS Developer认证），但需深度理解《国土空间规划技术标准》等政策文件语义。
初期项目常需驻点对接（如市大数据中心、城管指挥大厅），但成熟后支持混合办公。约60%时间处理远程数据任务，40%用于现场需求调研、系统联调与成果汇报。
起薪略高10–15%（因需复合能力），资深岗（5年+）在副省级城市可达40–65万元/年；差异化体现在绩效挂钩城市治理实效指标（如“15分钟生活圈覆盖率提升值”），非单纯模型准确率。