【數位驅動】商業數據分析暨AI應用規劃師_企金領域(數數發中心, DDT)

Job description

【職位目標】 深入企業金融的客戶經營、徵審授信、風險與作業流程，結合數據分析、Machine Learning 與 AI 技術，找到真正值得解決的問題，並將新技術轉化為能落地的企金解決方案。 【工作內容】 我們正在尋找一位懂企金、懂商業，也願意探索數據與 AI 的夥伴。你將深入企金真實場景，從問題定義、數據分析、方案設計到 MVP 落地，一路參與如何用新科技重新思考企業金融。

你的工作將包含

o 深入理解企業金融的客戶經營、徵審授信、風險管理及作業流程，釐清 Business Problem，找出值得透過數據、AI 或流程 Redesign 解決的問題。 o 結合企金實務與數據分析，整合結構化與非結構化資訊，找出影響業務、風險或作業效率的關鍵訊號，支持商業決策與方案設計。 o 規劃並推動 Machine Learning、AI／GenAI 應用，包含應用情境定義、分析設計、MVP、驗測、導入與成效追蹤。 o 以專案或敏捷方式推動企金數據與 AI 專案，串聯業務、資料科學、工程、架構及 IT 團隊，讓商業需求與技術方案真正接得起來。 o 與外部科技大廠及合作夥伴共同探索新技術，將企金場景轉化為可驗證的 MVP，並思考如何將成功方案導入行內、整合既有流程與系統，真正走向規模化應用。 o 持續探索 GenAI、Edge AI 等新型態技術，具備基礎技術理解與開發能力，能參與 Prototype、概念驗證與技術討論，找出下一個值得落地的企金應用。

【可能擔任的角色】

• Corporate Banking Problem Solver 企金的問題很少只屬於一個領域。

你可能今天在思考

「怎麼更早找到值得經營的企業客戶？」 明天則在拆解：「徵審流程為什麼需要這麼久？」、「哪些資訊能讓風險判斷更精準？」或「這段人工流程能不能重新設計？」 你需要真正理解企金運作方式，再判斷應該用數據、AI、流程 Redesign，還是三者一起解決。

• AI & Data Solution Builder 你不只是提出需求，也會參與解法怎麼被做出來。 從數據探索、AI 應用設計、模型或 GenAI 方案討論，到 MVP 驗證與正式導入，你會站在 Business 與 Technology 的交界，和資料科學家、工程師一起找到可行的方案。 如果你有數據分析、模型、程式開發或 AI 專案經驗，會讓你更容易和技術團隊講同一種語言。
• Tech Partner & MVP Builder 有些新的能力，不一定一開始就在銀行裡。

你將有機會與外部科技大廠及合作夥伴一起，把新技術帶進企金場景

從定義問題、共同設計 MVP、驗證價值，到思考如何接回行內資料、系統與流程。 你的目標不是完成一場漂亮的 Demo，而是讓成功的 MVP 最後真的能在銀行裡被使用。 【我們期待的你】 o 具備企業金融相關實務經驗，熟悉客戶經營、徵審授信、風險管理或作業流程其中一項以上領域；若具跨領域經驗更加分。 o 具備商業分析、數據分析或專案管理經驗，能從複雜的企金場景中拆解問題、定義需求並推動解決方案。 o 對數據具一定熟悉度，具數據分析經驗尤佳，能透過數據探索與驗證商業假設。 o 能與資料科學、工程、架構及 IT 團隊有效溝通，理解 AI基本概念與技術限制。 o 具備基礎程式開發或 AI 應用實作能力，願意親手嘗試 Prototype、新工具與新型態應用。 o 對 GenAI、Edge AI 與新興科技保持高度好奇，願意研究「這項技術放進企金，到底能改變什麼？」 o 具備跨組織協作能力，能與外部科技夥伴共同定義問題、推動 MVP，並進一步串聯行內團隊完成導入。

【為什麼你該加入我們？】 企業金融有大量複雜、專業，而且還沒被科技完全重新設計的場景。 在這裡，你不會只做分析、不會只管理專案，也不會只負責導入一套新的 AI 工具。 你會真正走進企金業務，從客戶經營、徵審、風險到作業流程，找到值得改變的問題；也有機會和資料科學家、工程團隊及外部科技大廠一起，把最新的 AI 技術變成真正能在銀行運作的解決方案。 如果你懂企金，又對 Data、AI 與新科技充滿好奇，想親手參與下一代企業金融怎麼被重新設計，這裡會有很多值得你挑戰的題目。