酷澎
Manager, Data Analyst (SCM Automation)
Manager, Data Analyst (SCM Automation)
发布于 2 小时前中层管理(经理/总监)
全职员工仅现场办公数据分析
数据分析
Llm
Powerbi
Prompt Engineering
Sql
值不值得投
72综合评分
综合评分 72
跨国电商巨头核心供应链数据岗，技术栈前沿（含AI/LLM），业务价值高，WLB未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2万
与数据分析中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 280 个在招 · 其中数据分析 11 个
市场机会
选择不多
台北 · 数据分析 · 10 个在招
职位详情
关于这个职位
该职位是酷澎供应链团队的核心数据分析专家，主要负责解决需求预测和库存管理中的复杂挑战
你需要通过构建启发式逻辑、快速开发概念验证（POC）以及应用AI技术，将数据洞察转化为实际的生产系统优化方案，从而降低缺货率并优化库存
最低要求
经验：8年以上数据分析或商业智能领域的相关工作经验
技术栈：精通 SQL 和 Python/R，能够熟练进行数据提取和处理
AI 能力：具备提示词工程（prompt engineering）的实践经验，能够使用生成式 AI 工具解决数据问题或自动化内容生成
可视化：熟练掌握 PowerBI、Tableau 或类似工具，能够向非专家进行有效的数据故事讲述和洞察沟通
沟通能力：具备商务级别的英语流利度，并有教授和指导非技术业务用户的成功经验
工作职责
构思与开发智能启发式逻辑：主动识别供应链系统中的弱点，通过解决问题开发智能、实用的逻辑
重点关注推动需求预测改进、缺货（OOS）和过剩库存归因模型
构建快速概念验证（POC）：通过动手实践快速验证想法
构建工作原型，例如自动将缺货事件归因于「预测不足」等原因的根因分析仪表板
产品分析：参与实验设计、A/B 测试、队列研究，并衡量产品发布的有效性
AI 与提示词工程：利用大语言模型（LLM）和高级提示词工程来自动化非结构化数据，并加速内部分析工作流
推动生产化落地：与需求计划和工程团队紧密合作，将验证过的 POC 投入生产
作为主题专家，确保你的逻辑被准确集成到核心库存计划系统中
成为核心专家：负责关键供应链 KPI 的分析，包括需求预测准确率、售罄率和预测覆盖率
不仅要报告数据，还要提供数据背后的「为什么」
担任数据翻译官：主动与技术及非技术合作伙伴沟通，确保利益相关者不仅理解数据的「是什么」，更理解「所以呢（业务影响）」
作为桥梁，将复杂的分析转化为清晰的业务指令
优先资格
数据工程：有版本控制（GitHub）和工作流编排工具（如 Airflow）的实操经验
内容与文档：有管理内部维基（如 Confluence、Notion）或为大型组织构建结构化知识库的经验
领域专业知识：曾在零售、电子商务和需求预测领域工作过
定量深度：具备扎实的统计学和机器学习技术知识（如弹性建模、用于客户细分的聚类等）
AI 洞察
优缺点分析
优点
- 业务核心度高：直接参与供应链核心痛点解决，非边缘报表工作，成果直接作用于生产系统
- 技术栈前沿：明确要求使用LLM和Prompt Engineering，能积累前沿AI技术在业务落地的宝贵经验
- 平台视野广阔：依托头部跨境电商平台，能接触到海量数据与复杂的全球化供应链场景
- 业务复杂度高：需要深入理解供应链底层逻辑，将业务问题转化为数据模型的难度较大
- 跨部门沟通成本：作为数据翻译官，需要频繁与技术、业务等多方沟通，推动POC落地的阻力可能较大
- 适合具备扎实数据技术功底、对供应链业务有浓厚兴趣，且具备极强跨部门沟通与推动落地能力的资深数据人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 从高级数据分析师向供应链数据科学专家或数据分析团队负责人方向发展
- 深入理解电商供应链核心业务，未来可转型为供应链产品负责人或业务战略决策者
- 作为供应链团队的数据分析核心，负责解决需求预测和库存管理中的复杂业务挑战
- 通过构建启发式逻辑、开发POC原型以及应用AI技术，将数据洞察转化为实际的生产系统优化方案
- 跨部门协作，推动分析成果落地，并负责关键供应链KPI的深度归因与业务策略输出
- 精通SQL和Python/R，具备扎实的数据提取、处理与统计学/机器学习基础
- 熟练掌握数据可视化工具（如PowerBI/Tableau），并具备优秀的英语商务沟通能力
- 具备生成式AI（LLM）和提示词工程的实操经验，能够利用AI自动化分析工作流
申请策略
- 了解酷澎在台湾的业务模式（如Rocket Delivery），思考其供应链特点及潜在的数据优化空间
- 准备具体的业务案例，展示你如何从复杂数据中提炼出清晰的业务指令（Data Translator能力）
- 突出在需求预测、库存优化或供应链相关的数据分析项目经验，强调业务成果（如降低缺货率）
- 详细展示使用Python/SQL进行复杂数据建模的经历，以及利用LLM/Prompt Engineering解决实际问题的案例
- 体现跨部门协作经验，特别是如何将数据洞察转化为业务策略并推动工程团队落地的过程
- 深入学习供应链管理的核心指标（如预测准确率、售罄率）及经典需求预测模型
- 强化大语言模型在数据处理和自动化工作流中的应用技巧，积累Prompt Engineering实战经验
面试指南
- STAR法则：情境（业务痛点）- 任务（分析目标）- 行动（技术实现与跨部门沟通）- 结果（业务指标提升）
- 技术+业务双重视角：先阐述技术实现路径（如模型选择、AI工具使用），再重点说明业务价值（如降低了多少成本或提升了多少效率）
- 请分享一个你通过数据分析解决供应链或库存管理难题的具体案例
- 你如何利用LLM或生成式AI来自动化非结构化数据处理或加速分析工作流？
- 当你的数据洞察与业务部门的直觉相冲突时，你如何沟通并推动你的方案落地？
- 请描述你如何设计一个A/B测试来衡量某项供应链优化策略的有效性
- 复习供应链核心KPI的计算逻辑及常见优化策略，准备1-2个自己主导的供应链数据项目
- 了解大模型在数据分析中的最新应用场景，准备一个自己使用Prompt Engineering解决实际问题的Demo或思路
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
职位为资深管理/专家岗，依托上市跨国企业平台，薪资福利具备市场竞争力，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位涉及LLM、Prompt Engineering等前沿AI技术应用，且处于供应链核心业务，技术成长与业务视野双重提升空间大。
技术前沿前沿/新兴技术
技术栈SQL、Python、R、LLM、Prompt Engineering、PowerBI、Tableau、Airflow
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与加班情况，作为跨国企业资深岗位，工作节奏可能较快，WLB情况需进一步确认。
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
电商供应链优化能直接提升消费者体验，具备一定的社会价值；积极采用AI新技术，具有较好的创新氛围。
行业发展稳定成熟行业
社会影响中性/一般
使命信号wowing each customer、create a world where our customers wonder, How did I ever live without Coupang
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