商情分析師(數據應用部)
Summary
Business intelligence analyst on a securities firm's internal data team, working from the data warehouse to build ETL pipelines and multidimensional (CUBE) data models, develop ML-based predictive models (e.g., recommendation engines), and deliver dashboards and reports for executive decision-making. Core stack: SQL, Python or R, and dimensional modeling; Power BI, Airflow, and Spark are pluses.
【團隊目標】
我們致力於將數據整合為具備決策價值的資產。
透過「數據建模、AI 預測、視覺化敘事」三大核心職能，將複雜的數據模型與洞察結果，
轉譯為具邏輯性且直覺的視覺化報告，協助高階經營團隊掌握關鍵趨勢，實現科學化的商業決策。
【工作內容】
1.數據工程與建模：從底層 Data Warehouse 進行數據梳理，設計並維護高效能之 ETL 流程，建立多維度數據模型 (CUBE / Semantic Layer)，確保分析基準之一致性。
2.高階決策分析：針對行銷業務痛點執行專案，透過數據挖掘客戶行為洞察，並產出決策建議報告。
3.AI 與預測建模：運用機器學習演算法與統計模型，開發預測性標籤（如：推薦引擎...等），並將模型實務落地。
4.數據敘事與視覺化：將複雜分析結果轉化為精準、直覺的數據儀表板與視覺化簡報，具備清晰的數據表達與跨部門溝通能力。
【技術條件】
核心技能 (必備)：
1.醇厚 SQL 實戰：精通 SQL 語法及預存程序，具備從底層資料庫提取數據、梳理複雜邏輯並優化查詢效能之能力。
2.多維度建模：具備 CUBE (如 SSAS) 或數據集市 (Data Mart) 規劃與創建經驗，理解 Star Schema/Snowflake Schema 概念。
3.分析程式力：精通 Python 或 R (至少一種)，能執行統計分析、數據清洗及模型開發。
4.專業領域：具備基本統計概念、統計模型。
加分項目 (具備以下經驗尤佳)：
1.高階視覺化：熟練使用 Power BI / Superset 等工具，能設計符合經營決策需求之 Dashboard。
2.數據工程架構：熟悉 SSDT、Airflow 或具備大數據生態系 (Spark/Hive) 經驗。
3.商業洞察力：具備金融、零售或數位經營相關領域知識 (Domain Knowledge)。
4.AI相關領域:GAI運用或機器學習演算法 (如：XGBoost, Random Forest, Clustering) 的技術實作與應用經驗。