阿里巴巴阿里控股-采购中心-IP品类采购专员
任职要求
1. 本科及以上学历，专业不限。
2. 3年以上采购相关工作经验，有音乐影视剧ip版权合作、大型赛事活动赞助商务谈判经验优先。
3. 熟悉采购全流程（需求分析→寻源→比价→谈判→签约→履约），能独立完成端到端采购执行。
4. 具备扎实的成本分析能力，能拆解复杂项目的权益结构与价格组成，给出有理有据的谈判策略。
5. 数据敏感度高，逻辑能力强，熟悉AI工具的实际应用场景，有使用ai工具辅助或…工作职责
1. 负责 IP授权&合作品类（包含IP版权采买、ip活动赞助等、时尚杂志和圈层媒体等）全链路采购工作，包括需求对接、供应商寻源和费用谈判、成本分析、合同签署、执行跟进验收等。 2. 基于历史采购数据和市场行情，内部跨品类建立品类定价/核价基准，对各合作项目的权益组合进行拆解与估值，输出合理的采购价格建议。 3. 服务阿里集团内部业务方，能理解业务真实需求，主动提供采购方案与成本优化建议。 4. 管理品类供应商资源池，定期评估供应商合作质量，推动供应链健康度提升。 5. 运用AI工具（如大模型、自动化脚本等）提升日常采购工作效率，参与团队采购AI转型实践，沉淀可复用的提效方法论。 6. 参与品类策略制定和年度采购规划，支撑品类成本研究和框招工作。
1. 岗位职责 ① 全流程采购执行与策略制定： 独立负责整合营销项目（如大型Campaign、新品上市、品牌焕新等）的供应商招募、招标、谈判、签约及履约全流程。 基于业务目标，制定差异化的采购策略（如公开招标、竞争性谈判、单一来源），并输出专业的采购分析报告。 ② 供应商全生命周期管理： 负责整合营销供应商池的开拓、引入、认证、绩效评估与定期复盘。 主导供应商年度复盘与分级管理，优化生态结构，激励头部供应商，淘汰尾部供应商。 ③ 专业赋能与成本优化： 深入理解营销需求，具备初步方案评估能力，能从采购视角对供应商提案的合理性、成本构成及可优化点提出专业意见。 通过需求整合、流程优化、谈判博弈等多种手段，实现年度降本目标，并确保营销质量与效果。 ④ 风险管控与合规护航： 确保所有采购活动符合公司财务、审计与合规政策，识别并规避合作中的各类风险（如交付风险、版权风险、数据安全风险）。 完善并沉淀整合营销品类的采购合同模板、工作标准及流程规范。 ⑤ 跨部门协同： 作为采购窗口，与市场、运营、法务、财务等业务及职能部门保持高效沟通，在项目早期介入，提供采购解决方案。
聚焦AI产业链的核心采购领域，要求候选人具备AI技术背景，并愿意在快速演进的采购领域完成高质量的资源配置决策，确保集团在AI能力建设中的供应链具备先进性、竞争力与商业合规的可持续性。 方向一：AI 服务采购 ■ 寻源与商务管理：负责模型服务领域的供应商寻源、评估与商务合作体系搭建，覆盖主流模型服务商、云计算平台及技术服务聚合商等多元渠道 ■ 交付要件磋商：主导核心商务条款的谈判与设计，比如计费模式优化、服务容量保障、知识产权与合规约定等 ■ 市场洞察与成本判断：协同业务部门理解不同应用场景的资源消耗特征，建立成本分析、用量、价格优化的工作框架，支撑业务的弹性扩展需求 ■ 评估管理与风险防控：关注行业政策与市场格局变化，完善迭代评估和考核体系，推动供应策略的有效实施，保障服务连续性与业务安全 方向二：AI 资源采购 ■ 供应商生态管理：构建并维护AI训练所需的数据资源供应体系，品类方向包括合规授权数据集、专业领域知识库、多模态资源、人工标注与加工服务等 ■ 需求对接与方案设计：将AI训练的需求转化为明确的采购规格与验收标准，针对不同业务场景设计匹配的采购方案 ■ 成本建模与供应规划：构建和动态优化成本模型，评估供给的复杂度与效率因素；根据业务节奏进行产能规划与资源预留，引入新型资源以及技术方案以持续优化成本结构 ■ 合规治理与质量保障：关注和落实合规要素，建立评估标准与持续改善机制
1. 采购风控数字人的孵化与运营：设计、孵化、训练并持续迭代采购风控数据人。根据历史数据、风险检查逻辑，搭建或利用AI工具，孵化风控数字人。不断进行训练使其能够自主识别采购业务风险，准确率达到80%以上。能根据业务变化，AI能力的发展，不断调整优化风控数据人的能力和边界，使其始终符合业务发展需要。 2. 设计并运行采购风控新模式：随着AI技术的发展，采购模式的变化，采购风险管理的模式将发生变化。学习并运用传统风险管理逻辑，结合新的业务模式和技术能力，设计并不断迭代风控模式，如识别SKILL中的漏洞，并帮助采购员优化SKILL等，使采购风控对风险管理始终有效。 3. 采购风控数据基建：生产、梳理、沉淀、运用采购风控相关数据，如风险检查思路、风控相关SKILL、AI工具等，使其为风控数据人、风控管理提供稳健的基座。
我们正在寻找一位兼具技术深度与行业广度的数据采购技术专家。您不仅是大模型技术的“鉴赏家”，更是数据供应链生态的“战略家”。您将利用对全球大模型数据供应商格局及行业趋势的深刻洞察，主导我们的数据资源引入策略，评估供应商的长期发展潜力与交付能力，确保我们的数据供应链既具备技术领先性，又拥有商业可持续性。 1. 供应商生态图谱与趋势研判：构建并维护全球大模型数据供应商的生态图谱。深入分析不同供应商（如数据标注、合成数据、真机采集、预训练数据提供商）的商业模式、技术壁垒及市场定位，预判行业整合趋势，为公司引入最具潜力的合作伙伴。 2. 数据供应链技术评估：针对具身智能、多模态等大模型前沿领域，评估供应商的数据采集能力（如仿真引擎、真机遥操作）、数据处理管线（Pipeline）及质量控制标准。确保供应商的技术路线符合行业Scaling Law的发展趋势。 3. 技术尽调与交付能力验证：主导对潜在供应商的技术尽职调查。不仅审查其现有数据质量，更要评估其数据生产的自动化水平、成本控制能力及未来技术迭代路线，规避供应商“掉队”风险。 4. 前沿技术引入与落地：追踪大模型数据领域的最新技术突破（如World Model生成数据、自动化标注技术），识别并引入能显著提升模型效果的创新数据源或工具，推动采购品类从“买数据”向“买能力”转型。 5. 跨部门技术协同：作为采购与业务技术部门的桥梁，将外部供应商的技术能力转化为内部可理解的评估报告，协助算法团队制定数据需求标准，并参与技术谈判。