Cake Job Search

1.風險數據分析 ・蒐集並分析遊戲相關交易數據，偵測異常與高風險行為・建立可視化風險控管儀表板，提供同仁觀察及定位出風險點・建立並優化風險模型，包含詐欺偵測、異常遊戲行為分析 2.監控與報告・建立即時監控系統，追蹤玩家與交易動態，提供即時風險警示・定期產出風險控管報告，協助管理層決策 3.跨部門合作 ・支援營運、產品與客服團隊，提供數據洞察，降低業務風險・制定風險控管流程與防範措施・協助內部人員辨識風險與詐騙手法

國內最大化妝品使用心得及排行榜綜合網站@cosme Taiwan(前身UrCosme,2004年創建)在台營運20年，為國內消費者找尋化妝品使用心得及排行榜綜合資訊的主流網站，隸屬於日本上市公司集團istyle.Inc.。集結豐富的美妝產業資訊及美妝愛好者的行為資料，美妝行銷總研(CMRI)運用此資料庫，以多元觀點進行消費者洞察分享，旨在提供美妝業界趨勢分析洞察。本職缺內容如下： 【CMRI美妝行銷總研】商業數據分析師(BUSINESS ANALYST)1. 透過@cosme站資料庫進行資料分析與消費者洞察。2. 定期舉辦seminar，對外分享美妝產業年度趨勢。(CMRI詳情可參閱：https://cmri.itrue.com.tw)3. 透過DMP資料解析，協助各事業部門發展視覺化dashboard—coseek (https://www.coseek.com.tw)。4. 推進「行銷資料科學與預測建模」之相關專案。 5. 其他主管交辦事項。

● 建立與維護 ETL / ELT 資料處理流程 ● 建置 Streaming Data Pipeline，處理高併發事件流與日誌資料 ● 維護 Kafka 與即時資料處理架構 ● 規劃與維護 Data Warehouse / Data Mart 資料模型 ● 負責資料清洗、資料驗證與資料品質監控 ● 協助建立可重複使用的中介資料表與分析資料集 ● 優化資料查詢效能與數據處理流程 ● 與產品、營運與工程團隊合作，支援即時 BI 與數據決策需求

【工作內容｜Job Responsibilities】主導年度預算、滾動式預測（Forecast）及中長期財務規劃，確保財務規劃與公司整體策略一致。Lead annual budgeting, rolling forecasts, and mid- to long-term financial planning to ensure alignment with overall corporate strategy.建立與維護財務模型，進行情境分析（Scenario Analysis）與敏感度分析，支援管理層決策。Build and maintain financial models, perform scenario and sensitivity analyses to support management decision-making.定期進行實際營運結果與預算／預測之差異分析（Variance Analysis），提出具體改善建議。Conduct regular variance analysis between actual results and budget/forecast, and provide actionable recommendations.編製管理報表與財務分析資料，支援財務長、經營管理團隊及董事會相關會議。Prepare management reports and financial analyses to support the CFO, executive management, and board meetings.與各部門密切合作，了解業務驅動因素，提供具商業洞察的財務分析與建議。Partner closely with cross-functional teams to understand business drivers and deliver insightful financial analysis.支援重大專案、投資評估、成本效益分析及商業決策之財務評估。Support major initiatives, investment evaluations, cost-benefit analyses, and financial assessments for key business decisions.優化 FPA 流程、報表及系統工具，提升分析效率、準確性與自動化程度。Enhance FPA processes, reports, and systems to improve efficiency, accuracy, and automation.確保財務數據的正確性、一致性與可追溯性，支援內外部稽核及管理需求。Ensure accuracy, consistency, and auditability of financial data to support internal and external audit requirements.●職位條件 Qualifications---會計、財務或相關科系學士以上學歷Bachelor’s degree or higher in Accounting, Finance, or related field---至少四年於「四大會計師事務所」審計部門之經驗（必要條件, 若無此項經驗請勿投遞）Minimum 4 years of experience in the audit practice of a Big Four accounting firm (required)---至少五年整體會計相關工作經驗，有科技、SaaS 或跨國企業經驗尤佳（必要條件, 若無此項經驗請勿投遞）At least 5 years of total accounting experience; experience in tech/SaaS/multinational environment is a plus---熟悉台灣稅務、IFRS 及/或合併報表編製Strong knowledge of Taiwan tax, IFRS, and hands-on consolidation experience---熟悉 ERP / 財務系統（Quickbook, NetSuite, SAP）Hands-on experience with ERP/accounting systems---精通 Excel / Google Sheets，具備良好分析與報表能力Proficient in spreadsheet tools with strong analytical skills---中英文流利（口語與書寫）Proficiency in Mandarin and English (spoken and written)---有ＴＷ／ＵＳ會計師證照者優先（非必要）CPA is a plus, but not mandatory★★適合這個職位的你 You’ll Thrive Here If You★★---喜歡獨立工作並具備高度責任感Enjoy working independently with a strong sense of ownership---能靈活切換細節與整體思維Comfortable switching between detailed execution and high-level strategy---積極主動，擅長流程優化與問題解決Proactive and solution-oriented with a continuous improvement mindset---能適應快速變動、高自主性的工作環境Thrive in a fast-paced and dynamic work environment★★加入我們！Join Us!★★我們正在尋找的不僅是一位會計經理，更是一位能夠深入了解財務操作、具備審計思維、並能獨當一面的關鍵夥伴。若你擁有四大背景、又喜歡實作與參與制度建立，這將是你絕佳的下一步。歡迎立即投遞履歷，或聯繫我們的招募團隊以了解更多！We’re excited to meet you!

1. 協助遊戲 的整體企劃與製作流程管理，包含專案規劃、時程控管與里程碑設定，確保專案如期且高品質上線。 2. 協助遊戲玩法核心邏輯設計，尤其著重於遊戲的數學模型、獎勵機制與遊戲節奏體驗。 3. 與美術、程式、音效、數學、資料分析及在地化團隊密切合作，確保遊戲內容符合市場需求與產品定位。 4. 研究目標市場與競品動態，並依據數據分析結果持續優化遊戲表現。

公司描述 我們是具備指標性產物保險公司。目前致力於優化核心保險系統，提升業務運作效率並確保系統符合最新法規。公司資訊團隊具備完善的制度與穩健的技術架構，提供一個強調邏輯思維、跨部門高效協作的專業舞台，讓具備業務理解力與技術對話能力的分析人才發揮關鍵影響力。 職位亮點 ✅ 業務與技術的核心轉譯者：此職位將負責與業務單位及工程師深度溝通，將抽象的商業痛點轉化為嚴謹的系統語言。 ✅ 深耕保險核心系統與財務邏輯：主要接觸保險核心系統（涵蓋保單、理賠等流程），並有機會深度參與財務或會計流程（如總帳、應收應付）的優化，累積高價值的金融核心 Knowles-how。 ✅ 著重邏輯與分析力、不需寫 Code：日常工作不需要實際編寫 Java 或 .NET 程式碼，能讓您更專注於需求拆解、流程圖繪製與系統設計。 ✅ 數據力實踐與驗證：職務要求具備 SQL 語法能力，讓您能獨立進行資料撈取、數據驗證與邏輯排查，確保系統分析的精準度。 ✅ 全生命週期的流程改善參與：從需求訪談、BRD/FRD 文件撰寫、架構確認到最終的系統驗收（UAT），完整主導系統優化與流程改善專案。 職位職責 🔹 需求訪談與規格轉譯：與業務單位深度溝通，挖掘核心需求，並將其轉化為清楚、可執行的系統規格文件（如 BRD、FRD、系統流程圖）。 🔹 專案分析與系統設計：參與核心系統的優化與流程改善，負責功能設計、系統關聯性分析，並確保系統設計符合業務邏輯與金融法規。 🔹 跨部門協作與溝通：擔任業務端、開發團隊與測試團隊之間的溝通橋樑，確保各方對於系統規格與變更達成高度共識。 🔹 系統驗收與品質控管：協助並主導使用者驗收測試（UAT）規劃，驗證系統產出是否符合業務預期，並追蹤問題修正狀況。 職位要求 ✔ 3 年以上商業分析 (BA) 或系統分析 (SA) 相關工作經驗。 ✔ 精通需求分析與文件撰寫：具備優秀的需求分析、規格書撰寫以及系統分析流程圖的繪製能力。 ✔ 具備 SQL 語法能力：能熟練運用 SQL 進行資料查詢與邏輯驗證（不需具備程式撰寫能力）。 ✔ 卓越的溝通與轉譯軟實力：具備高度的溝通吃重度，能耐心且清晰地與非技術背景的業務同仁及工程師對話。 加分條件（優先順序）： 熟悉財務或會計流程者優先（如總帳、應收應付、財務報表等）。具備保險業（特別是產險或商業險） BA/SA 經驗尤佳，熟悉保單、理賠、再保、帳務等核心流程者更佳。具備程式背景，能理解系統底層架構以利技術溝通者佳。 ---------------------------------------------------------------------- 若您對此職位感興趣，請立即聯繫，讓我為您介紹更多詳細資訊！ ▶︎ 聯繫人：招募顧問 Owen Wu▶︎ LINE： https://line.me/ti/p/ICjS8Jx0Dq▶︎ LinkedIn： https://www.linkedin.com/in/owen-wu-1023a41a4/

【關於這個職位】你將設計與維護資料管線（data pipelines）、建立同時供產品與 AI 使用的資料模型，並打造讓 AI Agent 能可靠查詢、推理與操作公司資料的基礎架構。工作範圍涵蓋資料擷取、品質監控、語意層（semantic layer）設計，以及 AI Agent 的資料介面。你的主要重點會放在資料層本身 —— 包括資料管線、資料模型、品質監控與語意基礎設施。但這個角色也會深入產品與機器學習領域，例如：- 建立 AI 產品功能- 探索與驗證 ML 方法- 將模型從研究階段推向正式上線目前我們尚未建立完整的 ML pipeline，因此我們希望找到一位足夠好奇、願意探索可能性、找出適合我們問題的方法，並協助從零開始建立這項能力的人。不是所有嘗試第一次都會成功，而這完全沒問題。我們正在尋找一位能高度自主工作的人：能定義問題、評估方案、做出取捨決策，並真正把產品交付出去。【我們正在打造什麼】大多數公司都會在產品資料庫、分析工具與手動報表之間累積大量資料，最終卻面臨：- 指標定義不一致- 商業邏輯不清楚- 重複的人工流程- 關鍵知識只存在於少數人的腦中而我們正在解決這個問題。我們的工作橫跨四個層次：1. 可信資料（Trusted Data）：擷取、清理、監控資料，讓資料可靠可信。2. 定義完善的資料（Defined Data）：將原始資料轉換成有良好文件化的資料集、指標與商業定義。3. 商業脈絡（Business Context）：保存讓資料有意義的領域知識、規則與假設。4. AI 工作流程（AI Workflows）：將上述所有內容整合進 AI Agent、自助分析與實際可用的自動化流程中。你將主要參與第 1–3 層，並隨著對業務理解增加，逐步深入第 4 層。AI 並非只是概念驗證（demo）而已。我們正在正式推出 AI Agents，用來：- 回答商業問題- 自動化報表- 協助營運決策【主要職責】- 設計、建立與維護批次與串流資料管線，來源包含：資料庫、API、雲端儲存、Log、Event Streams- 建立與維護資料模型（raw / cleaned / curated），供以下用途使用：產品功能、報表、分析、AI 系統- 定義指標邏輯、資料品質規則與使用文件，讓人類與 AI 都能正確且有信心地使用資料。- 建立與維護語意描述、metadata 與 context layer，使 AI Agent 不只理解資料結構，更理解資料意義。- 設計供 AI Agent 查詢的資料介面與 API，確保穩定性、可解釋性、結果正確性- 調查資料異常與不一致問題，找出根本原因，並建立可持續的預防與監控機制。- 與產品、商務與工程團隊合作，對齊資料定義並交付關鍵資料資產。- 建立或延伸 AI 產品功能，例如：Agent workflow、推薦邏輯、自動化報表- 研究、原型開發與評估 ML 方法，解決真實商業問題，並將有潛力的方法投入生產環境。由於我們正在建立這項能力，你也將參與定義它未來的樣貌。【必備資格】〔工程深度 Engineering Depth〕我們更重視你的思考方式，而不是你會哪些工具。你應該能從第一原理（first principles）出發設計資料系統，例如：1. 對儲存模型、索引設計、查詢最佳化與反正規化（denormalization）做合理取捨2. 理解分散式資料系統中的：一致性（consistency）、分區（partitioning）、故障模式（failure modes）、傳輸保證（delivery guarantees）3. 能分析效能瓶頸，例如：記憶體、concurrency、I/O、網路問題，而不是只靠猜測反覆重試。4. 能熟悉操作：雲端基礎架構、容器化工作負載、CI/CD pipeline〔AI 與 ML 能力〕1. 有為 AI / ML 準備資料的經驗，例如：feature store, semantic layer, prompt-driven data interface, AI agent data backend2. 理解 AI 系統如何消費與推理結構化資料，以及資料層不可靠時會造成哪些問題。3. 至少具備以下其中一項實務經驗：- 為 AI Agent 建立 data API- 設計 semantic / context layer- 支援 LLM-powered analytics- 推出 AI-enabled data product4. 能閱讀 ML 論文、評估方法，並自行實作可運作的解決方案。你不一定需要 ML 研究背景或發表過論文，但應該能從：「這是一個問題」走到「這是一個可運作的 prototype」〔判斷力與 Ownership〕1. 能在資訊不完整時有效工作：先定義可行版本、明確說明假設、持續迭代2. 能評估多種方案並解釋設計選擇背後的理由。3. 主動溝通：分享進度、提前提出阻礙、向非技術人員解釋技術決策4. 能主動發現下一個高價值任務，而不是等待指示。5. 願意在需要時支援相鄰領域：backend service、internal tooling、prototype 開發〔加分條件〕1. 有 modern data platform / lakehouse 架構經驗，例如：Databricks、Snowflake、BigQuery2. 熟悉 Spark、Delta Lake、dbt、Airflow，或類似 orchestration / transformation 工具3. 有資料觀測性（observability）、lineage、品質監控與 governance 經驗。4. 有推出以下產品的經驗：AI Agent、RAG 系統、LLM-powered application（且以結構化資料為基礎）5. 有新創公司或小型工程團隊工作經驗。

・負責收集、清理、管理平台內外部數據，確保資料完整與正確，打造可供分析使用的數據集・監控數據質量與資料庫模型，持續優化數據處理流程・分析用戶行為（活躍、留存、付費）、市場活動成效及用戶來源渠道・應用統計、ML/DL 和生成式 AI 技術來建立使用者分類、詐欺偵測、情緒分析和其他目標的功能・以數據支持產品優化，協助設計及分析A/B測試・與其他產品開發團隊合作，了解他們的業務需求，如潛在用戶名單、用戶風險分析，制定並完成端到端分析，包括資料收集、分析、持續擴展交付和演示・使用Tableau/Power BI設計並維護BI報表，推動數據自助化・結合業界Knowhow與指標洞察，提出實際可行的解決方案

📊 資料整不整，AI 看得見。你就是資料流的導演。 我們正在找對資料超敏銳，看到流程就想優化、看到重複就想自動化的 AI Agent 資料工程手。你的任務，是幫企業把資料搞定，讓 AI 能順利落地。 💡 你會做什麼： 跟企業一起盤點資料來源、結構與使用情境 設計資料流通流程，讓系統之間順順連接 串接 LLM、API、CRM、表單、文件庫等資料來源 撰寫資料清理邏輯，確保格式統一又正確 把非結構化資料（文字、問卷）變成能分析的樣子 跟技術團隊＆企業端當資料橋樑 建立資料 SOP、教育客戶如何維運 定期追蹤資料流狀況、提供優化建議 🔧 你可能會用到的技能： 熟 ETL、資料整合工具（Make、Zapier、Python、GAS） 資料轉檔、清理、轉格式的功夫熟門熟路 處理格式：CSV、JSON、Google Sheet、API 回傳資料都沒問題 有做過資料整合、報表自動化、文件結構優化導入經驗 熟企業常用工具（Notion、Slack、Airtable、Google Workspace、CRM/ERP） 🌈 我們喜歡這樣的你： 流程控！看到混亂就想整理，看重複就想自動化 擅長翻譯資料需求 → 技術方案 → 實際上線 async 沟通一把罩，Notion + Slack 順順用 能獨立規劃資料流程、掌控進度與品質 快節奏 OK，彈性合作也 OK，有模組化工作思維 🎯 讓資料跑順、AI 才跑得動。你就是企業智慧化的關鍵角色！ 【時薪範圍】500元/小時起，使用快組隊打造的系統，專案管理、實戰紀錄、合約、金流、稅務、二代健保一站搞定，您只需要專心輸出專業!【工作地點】主要為遠端辦公，實際配合方式依據企業需求達成共識，多半為前期實體對接，幫助快速上手，後期皆以遠端為主，彈性十足！【為什麼這個職務會加入 FDE (Forward Deployed Engineer) 的字眼呢?】因為，我們正在升級自由工作者的工作模式。加入快組隊後，你不只會執行本質專業，還會- 讓時間與產出開始複利所有合作的自由工作者，都將逐步受訓成為：- 能建立 AI Agent- 能帶動多專案協作的角色- 可以實地到企業對接需求與執行從單次接案，走向可累積的複利工作模式。如果你也認同這樣的方向，歡迎加入我們! 【投遞後流程】Step1 我們會邀請您參加線上說明會，詳細介紹快組隊平台運作與任務分工流程Step2 若您聽完覺得契合，填寫說明會中分享的會後表單Step3 快組隊進行審核並安排面試流程期待與您合作，讓我們共同完成各式挑戰的專案！

Senior Data Scientist / Machine Learning Engineer Price Intelligence Demand Optimization 我們正在尋找一位兼具 數學能力、程式能力與商業思維 的 Senior Data Scientist / Machine Learning Engineer，負責打造一套從 0 到 1 的 Price Intelligence System。 這不是一個只停留在研究階段的模型開發職位。我們希望你能打造真正落地、可規模化、能驅動商業決策的演算法系統，協助企業在超過 50,000+ SKU 的商品組合中，進行大規模、自動化、即時化的價格決策。 你將參與一套由 15+ 個互相串接的模型 組成的 Price Intelligence Ensemble System，涵蓋需求預測、價格彈性、促銷成效、庫存優化、異常偵測與多目標最佳化等核心模組。 工作內容 1. 建立 Price Intelligence Ensemble System 你將參與設計並開發一套由多個模型組成的價格智慧系統，包括： Demand Forecasting 需求預測 Price Elasticity Modeling 價格彈性模型 Promotion Impact Modeling 促銷成效模型 Inventory Optimization 庫存最佳化 Meta-Learning / Ensemble Decision Engine Real-Time Anomaly Detection 即時異常偵測 你需要能夠理解模型之間的依賴關係、資料流、特徵工程、模型選擇、訓練流程與執行順序。 2. 開發 SKU-Level Demand / Pricing Models 你將建立能夠在 SKU 層級預測需求、庫存與價格反應的模型，並納入以下因素： Seasonality 季節性 Promotion Lift 促銷拉動效果 Macroeconomic Factors 總體經濟因素 Weather Patterns 天氣影響 Product Lifecycle 商品生命週期 Competitive Pricing 競爭價格 Inventory Velocity 庫存流速 相關模型可能包括： ARIMA / Prophet LightGBM / XGBoost Bayesian Models Hierarchical Models Causal Inference Models PyTorch-based models 3. 解決多目標最佳化問題 你將開發能夠平衡多個商業目標的最佳化模型，例如： Maximizing Revenue 提高營收 Maintaining Gross Margin 維持毛利 Clearing Seasonal Inventory 清理季節性庫存 Competitive Positioning 維持市場競爭力 Promotion Efficiency 提升促銷效率 你需要能夠將商業限制、價格防護條件、庫存壓力與營運規則整合進模型，形成可落地的價格決策引擎。 4. 建立即時異常偵測與促銷監控系統 你將開發 streaming / real-time models，監控促銷活動期間的實際銷售表現，並在銷售結果與預測落差過大時，提供即時決策訊號，例如： Deepen Promotion：加深折扣或擴大促銷 Throttle Promotion：降低促銷力度或停止活動 Inventory Risk Alert：庫存風險提醒 Margin Risk Alert：毛利風險提醒 5. 將模型部署到 Production Environment 你需要撰寫乾淨、可維護、可擴展的 Python 程式碼，並與工程團隊合作，將模型部署到 production pipeline。 技術環境包含： Python pandas / NumPy / scikit-learn PyTorch BigQuery Vertex AI Cloud Run AlloyDB Pub/Sub / Dataflow / Kafka SQL / PySpark Poetry 系統需要滿足即時或近即時的 latency 要求，例如 100ms 到 500ms。 必備條件 7 年以上 Data Scientist / Machine Learning Engineer 經驗 具備統計、數學、經濟、物理、運籌、工程或相關量化領域背景 熟悉 price elasticity estimation、demand curve modeling 或 demand forecasting 熟悉 time-series forecasting 方法，例如 ARIMA、Prophet、LightGBM、XGBoost 熟悉 Python 生態系，包括 pandas、NumPy、scikit-learn、PyTorch 具備進階 SQL 能力，能處理大型資料集與複雜分析查詢 理解 Bayesian methods、hierarchical models、causal inference 或 uncertainty quantification 有能力將模型從 research prototype 推進到 production pipeline 能與工程、產品、商業團隊溝通模型邏輯與商業影響 加分條件 有 e-commerce、retail、fashion retail、pricing 或 revenue management 經驗 有 price optimization、demand elasticity、markdown optimization 經驗 曾開發 multi-model ensemble system 或複雜 ML 系統 熟悉 GCP：BigQuery、Vertex AI、Cloud Run、Pub/Sub、Dataflow 熟悉 real-time ML / streaming architecture 有 apparel / fashion retail 商品生命週期、季節性促銷、庫存管理經驗 熟悉 competitive pricing intelligence、web scraping、price index monitoring、KVI strategy 有 SaaS product 或 internal pricing tool 開發經驗 具備 computer vision / apparel feature extraction 經驗 熟悉 PyTorch CNN architecture，能夠修改或訓練 vision models 我們希望你是這樣的人 你不只是會訓練模型，而是能夠理解模型如何真正影響商業結果。 你能夠在以下目標之間做出平衡： 營收 vs. 毛利 折扣深度 vs. 庫存去化 預測準確度 vs. 系統延遲 模型複雜度 vs. 可維護性 商業彈性 vs. 統計嚴謹性 你需要能夠向非技術主管清楚解釋，例如： 「為什麼這個 markdown depth 雖然折扣較深，但能在指定期間內最大化總毛利回收？」 適合你的原因 這個職位適合想要挑戰以下任務的人： 從 0 到 1 建立 Price Intelligence System 參與大規模 SKU pricing decision engine 的設計 將 machine learning、statistics、optimization 與真實商業場景結合 建立能實際影響營收、毛利與庫存決策的 production-grade ML system 與產品、工程、商業團隊共同打造可規模化的 AI pricing platform 技能關鍵字 Python、Machine Learning、Data Science、Price Optimization、Demand Forecasting、Price Elasticity、Time Series Forecasting、Bayesian Modeling、Causal Inference、PyTorch、LightGBM、XGBoost、BigQuery、Vertex AI、GCP、SQL、PySpark、Optimization、Retail Analytics、E-commerce、Inventory Optimization、Anomaly Detection、Computer Vision