药学AI数据分析师

岗位职责：
（一）数据采集与预处理环节的AI提效工作
多源异构数据自动归集：利用AI爬虫、智能文档解析工具，批量抓取药品研发文献、临床试验公开数据等分散数据源，替代人工逐份检索录入，显著缩短数据采集周期。
非结构化数据结构化转换：借助大语言模型OCR与语义抽取能力，自动从药品说明书、药品审评报告、药学文献中提取核心字段，将非结构化文本高效转化为结构化数据集。
智能数据清洗校验：使用AI数据质量校验工具，自动识别重复数据、异常值、逻辑矛盾，结合药学专业规则完成批量修正，降低数据错误率。
（二）主要药品专项数据处理
研发端数据处理：依托专业AI辅助工具，批量处理靶点信息、临床试验结果、新药申报资料等复杂研发数据，自动关联匹配分子结构、药物作用机制与临床疗效指标，构建标准化的药品研发数据集。
市场端数据处理：运用AI异常识别算法，对药品全终端渠道销售数据、药品中标价格等多来源市场数据进行异常识别与校正，保障药品市场数据的整体质量。
（三）数据资产沉淀环节的AI提效工作
数据处理流程自动化沉淀：将日常数据处理中的重复步骤，通过AI低代码工具封装为可复用的自动化流水线，实现同类数据任务的快速复用，持续提升团
任职资格：
(一)教育背景
专业背景：药学+数据/AI专业、药学、中药学、生物医学、数据科学或计算机等相关领域本科及以上学历；
专业知识？：熟悉药品研发流程、药品监管法规、药学专业基础知识，了解药品全生命周期各环节核心数据特征。
（二）专业技能
AI工具应用能力：熟练使用大语言模型、智能文档解析工具、低代码平台，能够基于业务场景设计并实施AI提效方案。
数据处理能力：掌握数据采集、清洗、结构化转换的基本方法，具备非结构化文本信息抽取与数据集构建能力。
（三）能力素质
逻辑思维能力：具备良好的数据分析逻辑，能够梳理复杂数据流程，识别并解决数据质量问题。
学习创新能力：对AI技术发展保持敏感，能够主动探索其在药学数据场景的新应用，持续优化工作方法。
工作责任心：工作细致严谨，对数据质量高度负责。具备良好的团队协作与知识分享意识，能够将工作经验沉淀为标准流程，赋能团队共同提升。
见标签