億力資訊股份有限公司 資料分析

這是億力資訊 (仲介公司)替美威鮭魚找半年專案外包 原本只是初步電話面談，但最後實際聊了一個多小時。整體感覺，他們並不是單純找會 ERP、資料分析或 AI 的人，而是希望找到能把 「Master Data、Business Knowledge、AI validation 與系統設計」 串起來的人。 面試最核心的問題是 Master Data。公司不同 division 使用不同 ERP，同一個概念可能有不同名稱，因此需要先做 mapping，再建立統一的大型資料結構。他們舉的例子很具體，例如： > 「item number，有的地方可能叫 article number，可是這個是一樣的東西。」 後續希望根據登入者所在地區與 ERP，自動只顯示需要填寫的欄位。 更重要的是，他們希望從歷史資料找出欄位之間的 business dependency，而不是只做格式檢查。像面試官直接舉例： > 「你今天填了 1 還是填了 2，那就會影響哪一個欄位也要接著跟著填。」 例如 Make／Buy 會影響 default supplier、yield rate 等欄位。他們很在意候選人能不能把長期累積的人工經驗，轉換成 feature、rule 或 AI validation logic。 我則分享過去在交易平台處理大量歷史 table 的經驗，把多個 table 的欄位整合後，再透過時間序列、burst、操作序列等 pipeline 產生新的 feature，最後才送入機器學習模型。這部分與他們希望從歷史 Master Data 萃取規則的方向相當接近。 面試也有問演算法如何真正落地。例如直接問： > 「你覺得 k-means 這一個可以怎麼使用在我們的 ERP 裡面？」 討論內容包括庫存、週轉率、金額與高低異常值。可以感覺到他們不是在考演算法定義，而是想知道候選人能不能把方法轉成實際 business use case。 AI 方面也問得很深入，包括什麼資料可以提供給 LLM、密碼與 Administrator credential 是否可能外流、AI Agent 權限應該怎麼控制等。另一位面試官甚至直接問： > 「當 AI 回答你問題，假設它今天幫你寫完 code 之後，你會對 code 做什麼事情？」 以及： > 「你使用 AI 的時候，你把 AI 當成是你的什麼角色？」 因此他們顯然不只是找「會使用 ChatGPT」的人，而是重視候選人是否仍保有驗證、決策與權限控制能力。 另外一個比較特別的部分是 UI／UX。他們認為後端系統可以很複雜，但： > 「這種很厲害，我們不需要讓 user 知道。」 希望最後呈現給 user 的表單簡單、乾淨，甚至有趣，因此也特別詢問我過去做的德州撲克分析介面，想知道如何把複雜資訊整理成容易理解的決策資訊。 整體看下來，他們希望找的比較像是 **跨資料工程、AI、Master Data 與產品思維的人**：能處理 messy data，也能理解資料背後的 business meaning；能做模型，但不會只把資料丟給模型；還要有能力把複雜邏輯轉成 user 真正願意使用的系統。 原本只是簡單電話 interview，最後卻變成超過一小時、由多位面試官持續延伸追問的技術與情境討論。如果有下一輪，對方也提到希望可以準備 demo。

一開始是投億力的職缺 結果發現他們是仲介公司 仲介直接把我的履歷跟他認為更合適的做 mapping 所以找到美威鮭魚的半年外包

仲介已經說這個職缺頂就是11~12萬 就還不錯的外包缺 合約有半年