酷澎
Catalog Process Engineer
Catalog Process Engineer
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Etl
Sql
仪表板开发
数据管线
数据自动化
数据质量
生成式Ai
商务英文
值不值得投
72综合评分
综合评分 72
跨国电商核心数据团队、技术栈现代且融入AI、薪资竞争力尚可但WLB未明确。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
1.5万
比数据工程中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 310 个在招
市场机会
选择不多
台北 · 数据工程 · 1 个在招
职位详情
关于这个职位
该职位隶属于Coupang台湾Catalog Onboarding团队，主要负责将多源商品数据转化为高质量的目录数据
你需要使用SQL和Python进行数据处理、ETL流程维护及日常作业自动化，并与跨部门团队合作解决数据质量问题，直接提升商品目录的导入效率与数据准确性
最低要求
具备 SQL 查询开发经验，能处理较复杂的资料查询，并可针对查询效能进行分析与最佳化
具备 ETL 或资料管线的开发、维护经验，了解资料擷取、转换、验证、载入及异常处理的完整流程
能整合及分析多来源的结构化资料，并处理栏位差异、资料格式、重复值与冲突纪录
对资料品质具有责任感，能建立验证规则、追踪问题、分析原因，并推动问题修复
具备资料流程自动化经验，能将重复性工作转换为可执行、可验证且可监控的流程
能从资料中辨识模式与异常，建立可验证的假设，并审慎区分相关性与真正的问题根因
能将营运需求转换为清楚的指标、分析结果及行动建议
具备仪表板或商业报表开发经验，能从使用者需求及指标定义出发，完成资料验证与结果呈现
曾在资料工作流程中使用生成式 AI 或提示工程，并具备检查输出、辨识错误及调整提示内容的实际经验
能独立安排工作优先顺序、管理交付内容及相依事项，并在发现风险时主动沟通与升级
具备商务英文能力
工作职责
开发与最佳化 SQL 查询，协助团队快速且准确地取得商品目录与营运资料，并改善查询效能
维护 ETL 资料流程，涵盖资料擷取、转换、验证与载入，确保流程能稳定执行，并妥善处理失败、重跑与异常状况
整合来自不同来源的商品资料，处理栏位对应、格式不一致、重复纪录及资料冲突等问题，提升资料的一致性与可用性
建立资料品质检核机制，追踪并调查资料完整性问题，厘清问题责任与处理方式，并与相关利害关系人合作完成修正
自动化日常资料作业与分析流程，减少重复性人工操作，并为流程加入资料验证、监控及例外处理机制
建立并分析营运指标、仪表板与报表，从数据中找出异常、趋势及问题根因，提出具体且能被执行的改善建议
优先资格
具备 2年以上 SQL 与 Python 相关实务经验
熟悉 Python，并曾用于资料读取、清理、转换、验证、除错或流程自动化
曾建置 Google Sheets 自动化流程，或使用 Google Sheets 进行营运资料追踪、更新与验证
能阅读 SQL query plan，并曾透过索引调整、查询逻辑改善或降低资料扫描量来提升效能
曾负责端到端资料管线，包括资料擷取、转换、验证、载入、监控与失败复原
曾将人工或重复性资料作业，改造成可执行、可自动验证且便于后续维护的流程
曾针对生成式 AI 的提示方式进行测试，并比较不同提示对输出品质、稳定性或可重现性的影响
曾独立完成仪表板或报表，包含厘清业务问题、定义指标、选择呈现方式、安排资料更新及验证输出结果
具备商品资料、产品资料、主资料或其他多来源结构化资料的比对、标准化与品质分析经验
能清楚说明自己直接负责的范围、交付成果、相依关系、问题升级界线及最终影响
AI 洞察
优缺点分析
优点
- 核心业务团队：隶属于Catalog Onboarding团队，工作成果直接影响商品目录质量与营运效率，业务价值高
- 技术栈实用且前沿：不仅涉及传统的SQL/ETL，还要求结合生成式AI与提示工程优化工作流，技术视野开阔
- 跨国企业平台：Coupang作为上市电商企业，能提供规范的工程实践与跨部门协作经验
- 数据脏乱差处理：需要面对多来源、格式不一致的商品数据，数据清洗与冲突解决可能耗费大量精力
- 适合具备扎实SQL/Python基础，对数据质量有洁癖，且希望在电商核心数据链路中深耕的中级数据工程师
缺点 / 挑战
- 跨部门沟通成本：需与多个利害关系人合作厘清数据问题责任，对沟通与推动能力要求较高
角色解读
- 纵向可晋升为高级数据工程师或数据架构师，负责更复杂的端到端数据管线设计
- 横向可转向数据产品经理或商业分析师，更贴近业务端驱动数据商业化落地
- 负责商品目录数据的ETL流程开发与维护，确保多源数据准确接入系统
- 使用SQL和Python进行数据清洗、转换及自动化脚本开发，提升数据处理效率
- 建立数据质量检核机制与营运指标仪表板，监控数据异常并推动跨部门修复
- 扎实的SQL查询开发与效能优化能力，能处理复杂查询及阅读Query Plan
- 熟练使用Python进行数据处理、清理及流程自动化，具备ETL管线开发经验
- 具备数据质量管控意识，能独立排查数据根因并建立验证规则
申请策略
- 准备一份英文简历，因为职位明确要求商务英文能力，且面试流程可能包含英文环节
- 突出ETL管线开发与SQL效能优化的具体案例，如通过索引调整或逻辑改善提升查询效率的量化成果
- 强调数据自动化与质量管控经验，展示如何将人工重复作业转化为可监控的自动化流程
- 补充生成式AI或提示工程在数据处理中的实际应用经验，这是该职位的差异化亮点
- 复习SQL执行计划（Query Plan）分析与调优技巧，准备应对深度的SQL效能面试
- 了解电商商品主数据（Master Data）的标准化与比对逻辑，熟悉Google Sheets API自动化操作
面试指南
- STAR法则：针对项目经验题，按情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化回答，突出量化收益
- 根因分析法：针对数据问题排查题，展示从现象到根因的排查逻辑（如数据血缘追踪、分层校验），并给出预防机制
- 请描述一个你主导过的最复杂的ETL流程，你是如何处理数据冲突和异常状况的？
- 当SQL查询效能不佳时，你通常如何排查问题？请举例说明你如何通过阅读Query Plan进行优化
- 你如何在实际工作中应用生成式AI或提示工程来提升数据处理效率？
- 如果发现上游团队提供的数据质量持续不达标，你会如何推动他们解决？
- 准备1-2个使用Python/SQL解决复杂数据问题的代码片段或架构图，面试时可能需要白板编程或讲解思路
- 了解Coupang的“火箭配送”业务模式，思考商品目录数据如何支撑其极速履约体验
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
职位属于跨国企业的中级技术岗，薪资具备市场竞争力，但JD中未明确披露具体薪资数字与福利细节。
薪资信号未披露（AI估算：1.1千–1.8万/月）
成长发展
85较高
岗位涉及核心商品数据链路，且要求使用生成式AI等现代技术，技术成长空间较大。
技术前沿主流现代技术
技术栈SQL、Python、ETL、生成式 AI、提示工程、Google Sheets
业务类型ambiguous
工作生活
50较低
JD中未提及任何关于工作模式、弹性工时或加班情况的信息，无法判断WLB状况。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
致力于重新定义消费者购物体验，提供快速到货服务，行业处于成熟稳定期，具有一定的社会便利性价值。
行业发展稳定成熟行业
社会影响中性/一般
使命信号重新定義消費者的購物體驗、帶來超出期待的體驗
创新程度积极采用新技术
酷澎 的其他在招职位
相似职位推荐
Watch Jobs