S
Sr. Director, Packaging
Sitimecorporation · 📍 Taipei · 🕒 vor 23 Std.
📊 Lead
S
Data Analyst, Finance
Auf einen Blick
Data Analyst Finance: Aufbau von AI-gestützte Revenue und Expense Analytics mit SQL, Python und Machine Learning. Integration von Snowflake/Oracle Data für FP&A und Executive Reporting.
💰 ~$75.000–110.000/Jahr (geschätzt)
📊 Mid-Level
🕒 Vollzeit
🌍 Remote
🗺️ EMEA
- Bachelor in Data Science, Mathematics, CS oder Engineering
- 5+ Jahre Data Analytics oder Data Science
- Advanced SQL und Python/R
- Snowflake oder Cloud Data Warehouse Experience
SQL
Snowflake
Time-Series Forecasting
Machine Learning
Data Transformation
Gehalt geschätzt anhand Data Analyst Finance, 5+ Jahre, Osteuropa Remote. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Data Scientists mit Finance-Interesse
- Analytics Engineers für FP&A
- Data Analysts wechseln zu Finance Analytics
🚫 Weniger geeignet
- Junior Analyst ohne Production SQL/Python
- BI Tool-only Spezialisten
- Engineers ohne Machine Learning Erfahrung
💡 Gut zu wissen
- Finance Data erfordert Compliance und Audit Understanding
- Snowflake und Cloud Data Warehouse sind Standard
- ML-Forecasting für Finance ist komplexes Thema
Über das Unternehmen
SiTime ist das Präzisions-Timing-Unternehmen. Mit über 4 Milliarden ausgelieferten Geräten verändert SiTime die Timing-Industrie durch hochleistungs-MEMS-Lösungen.
Deine Aufgaben
- Revenue Analytics: Aufbau wiederholbarer Analysen für Buchungen und Revenue Performance einschließlich Trends, Mix und Treiber
- Expense Analytics: Entwicklung automatisierter Operating Expense Insights über Funktionen hinweg
- Forecasting: Anwendung von Time-Series Forecasting, Regression und Outlier Detection
- Data Preparation: Kuratie und Wartung zuverlässiger Datasets und Finance Definitionen
- Snowflake und Oracle Integration: SQL und Data Transformationen für Finance Data Integration
- Agentic AI Enablement: Packaging von Finance Logic in Agent-Ready Components
- Model Validation: Etablierung von Evaluierungs- und QA-Methoden für AI-generierte Analysen
- Self-Serve Insights: Erstellung von Notebooks, Templates und Metric Catalogs für Finance Users
Deine Voraussetzungen
- Bachelor in Quantitativer Disziplin wie Data Science, Mathematics, Statistics, Computer Science oder Engineering erforderlich
- 5+ Jahre Data Analytics oder Data Science Erfahrung erforderlich
- Advanced SQL und Data Transformation Skills erforderlich
- Proficiency mit Python oder R für Data Analysis und Automation
- Erfahrung mit Snowflake oder vergleichbarem Cloud Data Warehouse erforderlich
- Machine Learning Fundamentals und Time-Series Forecasting Erfahrung erforderlich
- Erfahrung mit Finance Data, FP&A oder Accounting Systems von Vorteil