网易ERP应用产品经理/专家

1.战略规划与体系构建： 制定与公司海外业务战略相匹配的跨境物流中长期发展规划。 设计并持续优化全球物流网络（包括国内集货仓、国际干线、欧洲枢纽仓、海外本地仓）。 搭建部门组织架构、标准化操作流程（SOP）及关键绩效指标体系（KPI）。 2.全链路供应商生态管理： 主导对国际货运代理（空运/海运/铁路）、清关行、欧洲卡车派送、海外仓（FBA及第三方）、保险服务商等的全球采购、战略谈判与关系管理。 建立供应商分级管理与动态考核机制，驱动服务商持续提升质量与创新。 3.端到端运营与精益管理： 管理涵盖头程运输、进出口清关、海外仓储、本地配送及逆向物流的全链路日常运营。 建立全链路可视化追踪系统，实现从工厂发货到客户签收的实时监控与智能预警。 深度分析物流数据，主导成本优化项目（如渠道组合、备货计划、包装优化），提升整体运营效率与利润率。 4.关务合规与贸易风控： 确保全品类商品符合中国出口及欧洲各国进口的法规要求（包括但不限于：产品认证CE/UKCA、关税归类、VAT税务、产品安全、环保指令如WEEE/包装法等）。 组建或联动关务专家团队，应对海关稽查、产品抽检等复杂情况，管理贸易合规风险。 紧密跟踪中欧贸易政策、关税变动及海关法规更新，提前制定应对策略。 5.数字化与系统集成： 主导或深度参与跨境物流IT系统的选型与实施（如TMS运输管理系统、WMS海外仓系统），实现与公司ERP、电商平台及服务商系统的无缝数据对接。 推动供应链数字化转型，利用数据分析和自动化工具提升决策效率与操作准确性。 6.团队建设与跨部门协同： 作为供应链中枢，与产品开发、采购、销售、财务、IT等部门高效协同，支撑新品上市、大促保障、库存优化等关键业务项目。

1. 产品运营与落地： 负责公司核心供应链产品在日常业务中的顺畅运营和高效应用 确保系统功能被用户正确理解和有效使用，提升用户采纳率和系统使用深度 监控供应链关键业务流程在系统中的执行情况和数据质量，识别并推动解决操作阻塞点 管理并保障新功能的上线操作手册更新 2. 需求分析与优化： 深入理解供应链各环节（生产、仓储、运输、质量等）的业务痛点、效率瓶颈和优化需求 收集、梳理、分析来自一线运营、管理层和客户的反馈，形成清晰的产品功能优化需求或新需求提案 与产品经理、技术团队紧密合作，将业务需求转化为可执行的解决方案和产品迭代计划 3. 数据分析与效能驱动： 利用系统数据进行深入分析，识别运营问题根源、预测潜在风险，并基于数据驱动决策，提出效能提升建议 定期产出供应链产品运营效能报告，汇报运营状况、挑战和改进成果 4. 问题解决与支持： 快速响应和高效处理供应链产品使用中出现的日常操作问题、系统异常和用户咨询 分析问题根因，协调内部技术团队或外部供应商进行解决，并进行跟踪验证 建立和完善问题处理流程和知识库，提升支持效率

1. 深入研究不同行业SaaS/AI原生软件的行业发展方向、典型场景清单、业务流程、技术架构等，梳理各场景在AI应用的需求和价值，帮助SaaS等软件企业设计AI落地路径； 2. 从头部AI原生软件/SaaS类客户典型业务场景出发，结合阿里云千问模型、百炼、Agent平台等AI核心产品，帮助软件企业设计和落地大模型解决方案（覆盖客服、金融、办公OA、ERP、CRM、零售、营销、制造、医疗等行业赛道），包括如下： 1）客户需求洞察及方案设计 • 大模型场景洞察：理解客户业务场景、整体技术架构，主动挖掘客户核心业务中的高价值的大模型应用场景，与客户共创业务和技术的关键问题与效果标准，理解行业内AI场景的价值。 • 方案设计：基于客户业务目标与技术约束，设计端到端MaaS解决方案，涵盖模型选型、工程链路（推理/微调/RAG/Agent）、效果评估体系及上线路径。 2）售前引导和支持与实操能力 • 结合客户的业务场景需求，通过标杆案例及demo演示展示阿里云大模型的竞争优势，建立在客户侧的技术影响力，影响客户的决策。向客户高层展示阿里云AI全栈产品的竞争优势，确保技术方案与客户业务目标深度绑定。 • 技术验证：动手搭建Prompt、RAG、多Agent工作流及微调实验，快速验证业务可行性，对POC结果的安全性、稳定性、性能、可持续性和运行效率给出技术建议。对客户业务与技术双线相关人员清晰阐述AI带来的效率提升、成本节约或收入增长，建立科学的AI效果评估共识。 3）能力沉淀和赋能 • 构建可复用的知识资产：沉淀面向细分领域/场景的大模型调用最佳实践、细分领域标杆案例等知识文档。 • 内部团队、生态伙伴、客户赋能和培训。 4）产品需求和改进反馈 • 识别和理解阿里云大模型的技术问题和机会，传递客户需求和反馈给产品团队，影响功能开发和未来产品路线图，保持阿里云产品的市场竞争力。 • 了解客户大模型使用的情况恶化效果，将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。

1. 深入研究不同行业SaaS/AI原生软件的行业发展方向、典型场景清单、业务流程、技术架构等，梳理各场景在AI应用的需求和价值，帮助SaaS等软件企业设计AI落地路径； 2. 从头部AI原生软件/SaaS类客户典型业务场景出发，结合阿里云千问模型、百炼、Agent平台等AI核心产品，帮助软件企业设计和落地大模型解决方案（覆盖客服、金融、办公OA、ERP、CRM、零售、营销、制造、医疗等行业赛道），包括如下： 1）客户需求洞察及方案设计 • 大模型场景洞察：理解客户业务场景、整体技术架构，主动挖掘客户核心业务中的高价值的大模型应用场景，与客户共创业务和技术的关键问题与效果标准，理解行业内AI场景的价值。 • 方案设计：基于客户业务目标与技术约束，设计端到端MaaS解决方案，涵盖模型选型、工程链路（推理/微调/RAG/Agent）、效果评估体系及上线路径。 2）售前引导和支持与实操能力 • 结合客户的业务场景需求，通过标杆案例及demo演示展示阿里云大模型的竞争优势，建立在客户侧的技术影响力，影响客户的决策。向客户高层展示阿里云AI全栈产品的竞争优势，确保技术方案与客户业务目标深度绑定。 • 技术验证：动手搭建Prompt、RAG、多Agent工作流及微调实验，快速验证业务可行性，对POC结果的安全性、稳定性、性能、可持续性和运行效率给出技术建议。对客户业务与技术双线相关人员清晰阐述AI带来的效率提升、成本节约或收入增长，建立科学的AI效果评估共识。 3）能力沉淀和赋能 • 构建可复用的知识资产：沉淀面向细分领域/场景的大模型调用最佳实践、细分领域标杆案例等知识文档。 • 内部团队、生态伙伴、客户赋能和培训。 4）产品需求和改进反馈 • 识别和理解阿里云大模型的技术问题和机会，传递客户需求和反馈给产品团队，影响功能开发和未来产品路线图，保持阿里云产品的市场竞争力。 • 了解客户大模型使用的情况恶化效果，将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。