轉職熱搜工作

1.分析銀行內部龐大之客群、交易、產品行為數據，剖析客戶跨商品(如：財富管理、信用卡、放款等)之行為，建立精準客群輪廓及標籤。 2.協同業務、行銷團隊設計精準行銷策略，找出跨售(Cross-selling)與向上銷售(Up-selling)的潛在商機，提升客群貢獻度。 3.探索並實作 GAI 在金融數據分析、業務執行流程之創新場景。 1.Analyze large-scale banking data, including customer, transaction, and product behavior data, to identify cross-product customer behaviors (e.g., Wealth Management, Credit Cards, Lending, etc.), and develop customer segmentation models and tagging frameworks to support precise customer profiling. 2.Collaborate with business and marketing teams to design targeted marketing strategies, identify cross-selling and up-selling opportunities, and enhance overall customer value and engagement. 3.Explore and implement innovative use cases of GAI in financial data analytics and business process optimization.

【工作內容】 1. 商情平台產品規劃與管理 ● 擔任商情平台Product Owner (PO)，負責產品策略、Roadmap規劃及需求管理。 ● 與法人金融各業務單位訪談需求，釐清業務流程與痛點，提出系統化解決方案。 ● 撰寫需求文件、功能規格書及RFP，推動系統建置與功能優化。 ● 負責權限管理機制規劃與申請流程管理。 ● 與資訊、數據及外部廠商團隊合作，確保需求正確落地並如期交付。 ● 規劃與追蹤專案進度，協調跨單位資源，確保功能如期交付。 2. 數據分析與商機洞察 ● 深入理解法人金融業務需求，設計商機挖掘與客戶經營分析方案。 ● 使用 SQL 從資料庫擷取、清理及整合資料，產出商機名單與經營洞察。 ● 分析客戶交易、金流、授信及產品使用行為，發掘潛在商業機會。 ● 建立商機追蹤與成效分析機制，衡量名單轉換率及業務績效。 ● 製作經營分析報表及管理簡報，提供決策依據與策略建議。 3. AI平台與智能應用發展 ● 協助推動商情平台AI轉型，規劃生成式AI與Agent相關應用場景。 ● 評估AI技術於商機推薦、客戶洞察、智能問答及名單產製之可行性。 ● 協同資訊及AI團隊進行需求定義、PoC驗證及功能導入。 ● 追蹤金融科技、AI Agent及企業AI應用發展趨勢，提出創新應用構想。 ● 協助建立法人金融AI服務藍圖，提升RM工作效率與客戶經營能力。 【職位需求】 1. 具3年以上銀行法人金融相關工作經驗。 2. 熟悉法人金融業務流程、產品服務及客戶經營模式。 3. 具備產品管理或專案管理經驗，可獨立推動End-to-End專案執行。 4. 熟悉SQL資料查詢與資料分析技能，具實際資料處理經驗。 5. 能將業務需求轉化為系統規格與產品功能設計。 6. 具優秀跨部門溝通、需求整合及問題解決能力。 7. 具備簡報撰寫及向管理階層報告之能力。 8. 具LLM、RAG、MCP、AI Agent或生成式AI相關經驗者尤佳。 【加分條件】 我們希望您不只是產品經理，也不只是資料分析師。 您能理解法人金融業務人員每天面對的挑戰，透過數據找出潛在商機；能與IT團隊討論系統架構與功能設計；也願意擁抱AI技術變革，思考如何讓AI真正協助RM提升客戶經營效率。 如果您對法人金融、數據分析、產品規劃及AI應用充滿熱情，歡迎加入我們，一起打造法人金融下一代AI商情平台。

1.與用戶及利益關係人合作，深入理解產品使用情境，主導用戶研究（包含訪談、問卷調查、可用性測試等），轉化為設計策略與具體方案。 2.建立資訊架構、設計使用流程與互動邏輯，確保產品操作直覺、一致且符合使用者心智模型。 3.製作原型（Low-Fi至High-Fi），運用Figma等工具進行快速迭代設計與驗證。 4.協助規劃跨裝置一致性的體驗架構與介面設計策略。 5.設計 AI 產品的互動流程（如意圖判斷、對話腳本設計、錯誤處理邏輯等），提升用戶與AI系統間的互動體驗。 6.善用AI工具輔助設計與研究工作，並評估AI在產品互動中的應用價值與風險。 7.與PM、工程師、數據分析師等跨部門團隊合作，整合業務目標與使用者需求，推進產品體驗持續優化。

1.數據系統資料轉置程式開發(使用ETL工具、Linux Shell Script、SQL語法等)。 2.使用者測試支援與線上問題排除。

科技處是銀行推動 AI 應用與數據驅動創新的核心單位，負責回應各營運單位的 AI 需求，透過數據分析、機器學習與 AI 技術，協助解決真實的金融業務問題。 在這個職位中，您將與各營運單位（BU）密切合作，深入理解業務情境與決策需求，透過資料分析找出問題、機會與可行策略。您將有機會投入防詐、金融產品需求偵測及各類未來金融 AI 應用，從分析報告、定期報表、策略建議到應用名單產出，讓資料真正成為業務行動的依據。 此角色將與 AI 數據科學家、IT 團隊及主管高度協作：您專注於發掘業務場景、定義分析樣態與策略機會；當分析結果顯示可透過模型進一步優化時，將與數據科學家共同推動模型、資料流程與 AI 應用建設。我們期待您不只是回應報表需求，更能主動從資料中提出有價值的問題與洞察，協助業務單位創造可衡量的成效。 【主要工作職責】 1. 業務需求理解與分析問題定義 ● 與各營運單位密切合作，理解金融業務場景、痛點與決策需求。 ● 將模糊的業務問題轉換為可執行的資料分析問題，規劃分析方向、關鍵指 標與成效衡量方式。 ● 與主管及相關夥伴溝通分析發現，協助形成具體的策略與行動方案。 2. 資料分析與洞察發掘 ● 以結構化資料為主，進行資料清理、探索、整合與品質檢視。 ● 針對客群、行為、產品、交易或營運流程進行分析，找出異常、趨勢、機會與潛在風險。 ● 設計合適的分析樣態與分群邏輯，產出可應用於業務推動的目標名單與建議。 3. 報表、儀表板與成效追蹤 ● 建立與維護定期報表及業務追蹤機制，協助 BU 掌握關鍵指標變化。 ● 追蹤活動、策略或 AI 應用的實際成效，分析結果並提出優化建議。 ● 透過清楚易懂的視覺化與報告，讓資料能被快速理解並支持決策。 4. AI 應用協作與策略優化 ● 與 AI 數據科學家協作，將分析發現轉化為模型優化、資料處理流程或 AI 應用的需求。 ● 參與模型或 AI 應用上線後的成效觀察，從業務視角檢視應用成果並持續提出改善方向。 ● 結合數據分析與模型應用，協助業務單位以更精準的方式推動策略與服務。 5. 跨部門溝通與成果推動 ● 與 BU、IT、AI 數據科學家及相關夥伴協作，推動分析成果落實於業務流程。 ● 以清楚、有邏輯且貼近業務語言的方式，說明分析方法、洞察與建議，促成後續行動。 【加分項】 ◆ 具備數據分析、商業分析、產品分析或相關領域經驗約 2 年者佳；亦歡迎具備相關專題、競賽或實作成果的人才。 ◆ 熟悉 SQL 與 Python，能獨立完成資料擷取、處理、分析與結果整理。 ◆ 具備資料清理、探索性分析、分群、指標追蹤、成效分析或策略分析經驗。 ◆ 能從資料中發掘業務問題與機會，並將分析結果轉化為可執行的建議、名單或報告。 ◆ 具備定期報表、儀表板或資料視覺化經驗者尤佳。 ◆ 理解 Data Pipeline 概念；具備 PySpark 經驗者尤佳。 ◆ 對金融業務、數據分析與 AI 應用具好奇心，樂於與業務單位共同探索新的應用場景。 ◆ 具良好邏輯思維、跨部門溝通與獨立解決問題能力，能在快速變動的業務需求中持續推進專案。

1.AI 應用場景設計：深入財富管理業務，設計AI理財助理、精準行銷模型的需求與規格。 2.提示工程 (Prompt Strategy)：規劃與優化AI 溝通邏輯，確保 AI 輸出的專業度與合規性。 3.數據驅動決策：透過 A/B Testing 監測模型上線後的商業表現，持續優化客戶體驗。 4.跨部門溝通：擔任技術團隊與業務單位間的翻譯官，確保 AI 方案「既懂技術又懂賺錢」。

您的主要任務，是將公司各部門的營運痛點轉化為具體可執行的解決方案。 您將負責從問題釐清、系統設計，到資料分析、報告產出等任務，協助團隊做出更精準的判斷與決策。 工作內容 1. 主動找出各部門痛點，設計並開發可執行的系統流程，跨部門團隊溝通解決問題。 2. 從資料清洗到分析應用，運用統計模型分析營運狀態、訪員品質、產品績效，向主管與各部門團隊報告。 3. 依業務需求開發、測試、驗證與發佈 BI 儀表板。 4. 導入 AI 工具，提升工作流程效率及產出品質。 必備條件 1. 具備經濟、資訊、數學、統計等相關領域之學經歷背景。 2. 熟悉 Python 或至少一種主要程式語言，能應用於資料處理、分析或工具開發。 3. 具備 SQL 及資料庫操作能力，能進行資料查詢、匯出、整理並製作相關報表。 4. 具備良好的邏輯思考與問題解決能力，能從實際營運問題出發，了解需求並提出具體解決方案。 5. 樂於、擅於團隊協作。具備跨部門溝通協作能力，能與不同職能團隊共同推動改善事項。

1.設計遊戲玩法與得分機制。 2.熟悉排列組合、機率理論，與建立遊戲機率模型。 3.驗證機率模型之正確性、公平性與可行性。 4.調整各項參數，優化遊戲體驗。

1. 數據分析： 1.1 數據收集、整合資料庫、API 與第三方資料來源 1.2 數據清洗、轉換與前處理 1.3 統計分析、趨勢分析及異常偵測 1.4 自動化資料處理流程 2. AI Framework整合 2.1 整合大型語言模型（LLM）與 AI Framework 2.2 開發 AI 應用功能與優化模型 2.3 系統佈署

1.投放Google ads相關廣告 2.投放Facebook相關廣告 3.Google Analytics分析 4.各渠道廣告優化(轉換成效 CPA、ROAS) 5.成效追蹤分析、報表彙整、熟悉數據解析