亚马逊
Business Intelligence Engineer, Amazon Global Logistics
Business Intelligence Engineer, Amazon Global Logistics
发布于 大约 18 小时前普通员工/个人贡献者
上海市 / 北京市
中级经验
全职员工
仅现场办公
本科
统计分析
SQL
数据可视化
ETL
数据建模
Ai/Llm
AI 估算 · 25k–45k
亚马逊中国BI工程师岗位，涉及核心业务和前沿AI技术，技能要求高，市场竞争力强，薪资处于行业领先水平。
职位详情
关于这个职位
该职位是亚马逊全球物流（AGL）的商业智能工程师，负责为亚太卖家提供30多种物流产品的数据分析和战略洞察
你将通过数据挖掘、ETL、可视化和AI/LLM技术，驱动业务增长和风险预警，支持市场拓展和产品优化决策
适合有3年以上数据分析经验、精通SQL/Python和Tableau、对供应链感兴趣的技术人才
最低要求
年以上使用Redshift、Oracle、NoSQL等数据分析和解释经验
年以上Tableau Desktop、Quicksight或其他相关数据可视化软件经验
学士或以上学位（商业管理、金融、经济、计算机科学、数据科学、工程或其他相关领域），或2年以上亚马逊RME（BB/3P）全职豁免经验
使用Tableau、Quicksight或类似工具进行数据可视化的经验
数据建模、数据仓库和构建ETL管道的经验
使用R、SAS和Matlab等统计分析软件包的经验
使用SQL从数据库或数据仓库中提取数据，以及使用Python脚本进行数据建模的经验
使用SQL从数据库或数据仓库中提取数据的经验
使用Python脚本处理数据用于建模的经验
工作职责
设计、开发和维护可扩展的数据基础设施和ETL管道，通过自动化仪表盘解决方案支持商业智能计划
与产品、技术、业务和市场团队合作，了解数据需求，设计可扩展且用户友好的BI解决方案
设计和实施AI/LLM驱动的解决方案，实现人工在环任务的自动化
使用AI基础设施和公司范围解决方案，设计和开发统计分析以支持业务决策
优先资格
硕士或以上学位（BI、金融、工程、统计、计算机科学、数学或同等定量领域）
高级Microsoft Excel知识，包括：数据透视表、宏、index/match、vlookup、VBA、数据链接等
使用AWS解决方案（如EC2、DynamoDB、S3和Redshift）的经验
在大型复杂数据集的企业环境中进行数据挖掘、ETL和使用数据库的经验
开发和展示新指标以更好理解业务绩效的经验
AI 洞察
优缺点分析
优点
- 亚马逊是全球物流和电商巨头，平台资源和数据量大，能接触复杂供应链业务
- 职位涉及AI/LLM前沿技术，技能成长空间大，市场价值高
- 多城市可选（北京、上海、深圳、成都），灵活性高
- 技术栈要求全面（SQL、Python、可视化、统计、云平台），学习曲线陡峭
- 跨团队协作多，沟通成本高，需平衡多方需求
- 适合有3年以上数据分析经验、精通SQL和Python、对供应链和电商业务有热情、愿意不断学习新技术的求职者
缺点 / 挑战
- 工作时间可能较长，尤其是物流行业有旺季压力，需适应高强度
角色解读
- 在亚马逊内部可晋升为高级BI工程师或数据科学专家，负责更复杂的分析和模型
- 可横向转向产品、供应链或市场分析领域，成为业务策略顾问
- 积累云计算和AI经验后，可向数据工程或机器学习工程师方向发展
- 设计和维护数据管道与ETL，从多个源提取、转换、加载数据，确保数据可靠可用
- 使用Tableau、Quicksight等工具开发自动化仪表盘，为业务团队提供实时洞察
- 运用SQL和Python进行深入的数据分析和建模，识别增长机会与风险，支持业务决策
- 探索AI/LLM技术，自动化重复性任务，提高运营效率
- 扎实的SQL和Python编程能力，能高效处理大规模数据集
- 熟悉ETL流程和数据仓库设计，有Redshift或其他大数据平台经验
- 精通Tableau或类似可视化工具，能设计清晰、交互式的仪表盘
- 具备统计分析基础（如R、SAS、Matlab），能做假设检验和预测建模
申请策略
- 在求职信中表达对物流供应链领域数据分析的兴趣，说明如何通过数据驱动业务增长
- 提前了解亚马逊全球物流（AGL）业务，熟悉其FBA服务，以便在面试中展现行业理解
- 突出数据项目经验，特别是ETL管道构建、数据仓库设计和仪表盘开发案例
- 强调使用Python和SQL处理大规模数据的成果，以及改善业务指标的例子
- 展示对AWS云服务的熟悉程度，如Redshift、S3、EC2等
- 如有AI/LLM相关项目或课程经历，务必提及
- 系统学习AWS数据分析服务（Redshift、QuickSight、Glue等），并动手实践
- 提升Python数据处理库（Pandas、NumPy）和可视化库（Matplotlib、Seaborn）熟练度
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化回答行为问题，突出技术细节和业务影响
- 对于分析或设计问题，先明确假设和约束条件，再提出方案框架，最后评估优缺点
- 展示数据驱动思维，强调量化结果和可操作性
- 描述一次你构建复杂ETL管道并处理数据质量问题的经历
- 如何用Tableau设计一个对非技术用户友好的仪表盘？请举例说明设计思路
- 你过去如何用SQL优化一个慢查询？请给出具体步骤
- 请设计一个A/B测试方案，评估某物流产品的新功能对卖家使用率的影响
- 解释你如何处理缺失数据和异常值，以及如何验证其影响
匹配度报告
64
综合匹配度
大厂核心BI岗，前沿技术栈，多城市可选，但WLB和薪资透明度一般。
适合人群
适合重视技术成长和职业发展机会，对工作生活平衡要求不高的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展85
工作生活40
使命价值70
薪资福利匹配
60中等
薪资未在JD中明确，但亚马逊作为大厂的BI工程师薪资在行业中上水平，福利较完善但未提及具体项，因此补偿性动机满足程度中等。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
85较高
该职位涉及前沿AI/LLM技术，数据技能栈全面，且亚马逊内部有丰富的学习和成长资源，发展空间大。
技术前沿前沿/新兴技术
技术栈SQL、Python、Tableau、Redshift、AWS、ETL、数据可视化、统计分析、AI/LLM、数据建模
业务类型profit_center
工作生活匹配
40较低
JD未提及工作模式、WLB或加班情况，且物流行业通常会有旺季压力，办公地点多为园区，生活化动机满足有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
电商物流行业高速增长，亚马逊在供应链优化方面具有社会价值，但职位本身不直接涉及社会责任，意义感中等偏上。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs