logo of didi

滴滴区域策略运营(J250718019)

社招全职运营地点:青岛状态:招聘

任职要求


1、统计、数学、计算机、商业分析等相关专业本科及以上学历,有经营分析或者商业分析岗位工作经验;
2、独立思考力,敏锐的数据洞察力,逻辑思维清晰,具备较强的商业分析能力;
3、具备较强的跨部门沟通协同能力,…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


1、能了解同城货运即时配送一线业务,全局分析公司业务,结合经营数据,外部行业态势,对业务模式/动态进行剖析并总结汇报;
2、作为业务BP,深度了解业务方向和动态,构建准确监控业务的败据指标体系,并进行有效监测,且独立进行业务专题分析,深度挖握和定位业务问题,并提出优化策略,为公司业务决策运营提供数据支持;
3、梳理总结常用分析维度,统一口径,利用BI工具固化业务看板,数据反哺业务,为业务人员提效;
4、能够通过分析进行一定的前瞻性的预测和预警;
5、具备较强的沟通push能力,能独立通过专业数据分析视角,看清楚协助项目拿到落地改进结果。
包括英文材料
学历+
Excel+
还有更多 •••
相关职位

logo of didi
社招3年以上运营

1、负责城市全面工作,掌握和研究所在区域政府管理思路和政策动态,分析对本地业务发展的影响,前瞻性策略输出,对当地政策工作进行覆盖; 2、负责区域政策稳定策略板块工作计划制定及执行; 3、工作开展过程中,专业化地完成准入、合规、稳定运营涉及各项工作-包括但不限于信息获取、干预,合规、稳定运营等全流程工作。 4、负责政策端及运营端关联内外相关部门进行良好沟通,并落实一线工作方案; 5、帮助合作商改善经营,提高业绩,组织促销并跟进落实日常管理工作。负责牵引合作的商行业协会关系资源,搭建沟通渠道;负责合作商的招/管/育/培/汰。 6、熟悉公司和各项业务情况,向政府相关部门及时汇报企业发展情况,传播企业理念和美誉度;协助公司高层策划并实施调研、座谈等政府公共事务。 7、及时完成危机应急事件处理工作,为业务发展保驾护航

更新于 2025-06-16郑州
logo of didi
社招3年以上运营

1.作为总部策略,负责滴滴电单车全国B端运营策略制定,包括但不仅限于运营区和点位合理设置、车辆调度等,对运营效率负责 2.深入了解一线执行全流程,分析过程中问题及核心机会点,产出对应策略,达成业务结果 3.抽象提炼体系化产品需求并形成业务需求文档,协同产品、研发团队推进产品的上线并推动区域团队落地,不断迭代优化

更新于 2025-07-09杭州
logo of didi
社招3年以上运营

1. 能深入学习并提炼优秀的一线司管与运力经理的打法,借助组织培训与目标管理,在全国推广 2. 负责日常大区运营,并抽象不同分框城市的资源分配、策略组合,借助产研资源实现自动化 3. 能够将业务目标转化为区域落地动作,推动项目落地并追踪 4. 联动区域和总部,建立整合营销方案,持续优化司机心智

更新于 2025-07-21上海
logo of didi
社招技术

公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门,致力于打造世界领先的 L4 级自动驾驶技术,通过科技让出行更安全、更高效。我们相信,将自动驾驶技术部署在共享出行车队中,将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态,我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队,推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员,你将与国内外顶尖人才一起,研究和开发自动驾驶领域的前沿算法,直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战,利用多模态传感器(LiDAR、Camera、Radar 等)设计、开发并优化感知算法,解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里,你将有机会: 与中美两地的优秀工程师和科学家合作,参与世界级的技术竞争; 深入研究并推动最前沿的学术成果在产业中的落地; 在全球最大出行平台之一的业务场景中,实现科研成果的规模化应用。 主要方向与职责: 你将在以下方向中选定一个或多个方向深入负责,并承担从研发到落地、从算法到系统的端到端职责: (一)物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型,识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性(抗遮挡、夜间、恶劣天气、长尾类别) (二)通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境(施工区域、道路损坏、落物等)中提升鲁棒性 (三)场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解,例如施工区域识别、可通行区域识别等 意图理解,例如行人动作识别、起步意图识别等 交互和事件识别,例如多方交互、交通规则冲突、非规范驾驶行为等 (四)感知大模型 /多模态 探索或应用预训练多模态大模型,将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中,提升复杂场景下的鲁棒性 (五)模型评估、验证 构建完整的评估管道,包括离线评估 + 真实道路 + 模拟环境测试,支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)

更新于 2026-01-06北京