Data&Digital Engineer

优缺点分析

角色解读

• 在玛氏内部可向高级数据分析师或数字化专家方向发展，深度参与工厂智能制造转型
• 积累制造业数字化经验后，可跳槽至其他快消或制造企业的数字化部门，或转岗至供应链计划/优化岗位
• 随着Power BI和自动化技能的深化，有机会向数据工程师或数据架构师角色转型
• 负责工厂制造数据的收集、清洗和建模，生成日常KPI报告（OEE、TRS等），并构建下钻模型辅助根因分析
• 主导Power BI仪表盘和Power Automate流程的开发与维护，推动日常报告自动化与业务流数字化
• 作为数字项目协调人，管理数字化工具在工厂的落地、用户培训和持续优化
• 与IE、HSE、QFS等团队协作，通过数据分析驱动持续改进和成本节约项目
• 扎实的数据分析能力：精通Power BI、Power Automate，熟悉SQL和Excel高级功能
• 工业工程背景：理解MSE体系、OEE、TRS等制造指标和持续改进方法论（Lean/Kaizen）
• 项目管理与沟通能力：能够协调跨部门资源，推动数字项目按时交付
• 中英文技术文档阅读和基本会话能力，以便与区域团队协作

申请策略

• 面试时准备一个成功运用数据驱动改进的案例，按STAR法则描述
• 提前了解玛氏MSE（Mars Supply Excellence）体系，展现对行业最佳实践的认知
• 突出Power BI和Power Automate的具体项目：例如“通过Power Automate将报表产出时间从2小时缩短至10分钟”
• 展示OEE/TRS改善案例：量化你通过数据分析帮助工厂提升效率或减少停机时间的具体成果
• 强调跨团队协作经验：说明如何与生产、品控等部门合作推动改进落地
• 学习SQL进阶和DAX公式，提升数据建模能力
• 了解微软Power Platform生态（Power Apps, Power Virtual Agents）以扩展解决方案能力
• 补充精益六西格玛知识，获得黄带或绿带认证会增加竞争力

面试指南

• 使用STAR方法（情境、任务、行动、结果）回答行为问题，重点突出量化成果
• 对于技术问题，先拆解问题→展示分析思路→提及所用工具→给出结论
• 变革管理问题强调“同理心+培训+快速赢”的策略
• 请描述你如何使用Power BI解决一个业务问题，包括数据源、建模、可视化及影响
• 假如工厂某一产线OEE连续下降，你会如何分析并找出根因？
• 你如何推动一个不熟悉数字工具的操作团队使用新的报告系统？
• 解释一下TRS、OEE、MTBF和MTBR的区别以及它们如何用于改善
• 你如何管理多个数字项目并确保按时交付？