阿里巴巴淘天集团-生态用工管理-供应商管理方向
任职要求
1、本科以上学历，具备4年以上大型互联网企业外包用工管理经验，包括HRO、BPO等全用工模式经验。
2、具备供应商全流程管理经验，擅长识别供应商能力特点，驱动供应商达成交付结果，拥有供应商管理全流程搭建经验优先；
3、也可以具备外包/灵活用工采购管理…工作职责
制定和实施淘天&控股集团生态用工策略，对外包供应商进行管理，持续提升供应商交付结果，满足业务方用工需求。 1、生态用工策略：基于国内法律法规和用工政策，研究用工领域趋势，结合对淘天&控股集团的业务发展方向的理解，制定生态用工策略，为业务提供用工解决方案； 2、生态用工供应商管理： 1）供应商运营：从选、用、育、留、汰全流程生命周期对供应商进行管理，不断根据业务需求调整外包供应商管理策略。 2）供应商交付考核：持续优化供应商交付指标及考核机制，对供应商交付质量负责、同时通过不断完善供应商的奖惩机制，牵引供应商提升交付质量。 3）供应商标签管理&资源分配：结合供应商考核结果，对供应商进行能力标签化，根据业务需求匹配合适资源分配。同时，促进供应商之间的良性竞争氛围，并长期优化服务质量和成本； 4）供应商合规&风险管理：明确供应商管理过程中风险点，并定期进行检查排查，确保供应商管理过程合规。 3、用工解决方案提供：对淘天、控股集团用工方进行分层，结合不同业务形态与需求，定制化提供用工解决方案，满足业务用工需求。 4、用工风险&稽核：全流程梳理用工管理过程，确保从运营机制、制度、系统、以及实际用工过程中无用工风险；持续通过对用工数据进行分析稽核、供应商场地检查等方式提升用工合规水位。同时，协同法务、安全等团队持续提升外包安全风险管控水位，并在有外部舆情产生时可以联合协同团队及供应商妥善处理。
制定和实施海外各国家地区的生态用工策略，管理海外供应商，制定和运营国际化的外包商务体系、跟进日常需求管理、管控海外用工风险，满足阿里云的全球化生态用工需求。 1、海外生态用工策略： • 基于海外各国家/地区的法律法规和用工政策，研究全球生态用工领域的全球趋势，结合对云计算业务发展方向的理解，制定海外生态用工策略，为业务提供用工方式的解决方案。 2、海外生态用工供应商管理： • 基于对海外各国家/地区的全球性/本土化供应商的了解，布局、遴选和发展合适的供应商，对供应商进行成本、风险、资源等的日常管理，制定对海外供应商的商务体系（结算、激励等）。 3、海外生态用工需求管理： • 负责各业务在海外各国家/地区的生态用工需求的满足，关注时效性、稳定性、用工质量和用工成本。 4、海外生态用工风险管理： • 协同海外供应商，对海外生态用工的劳动纠纷、海外生态用工的EHS风险事件进行妥善处置。
制定和实施淘天的生态用工策略，管理外包供应商，制定和运营外包商务体系，跟进日常需求管理、管理用工风险，满足淘天的生态用工需求； 1、生态用工策略：基于国内法律法规和用工政策，研究用工领域趋势，结合对淘天业务发展方向的理解，制定生态用工策略，为业务提供用工方式的解决方案； 2、生态用工供应商管理： 1）供应商运营：基于对供应商的了解，布局、遴选和发展合适的供应商，负责更新维护供应商管理底盘（制度、标准、流程、系统），对供应商进行成本、风险、资源等的日常管理； 2）供应商考评管理：优化供应商绩效考核体系，完善服务供应商评价体系及标准，监督对供应商的考评、奖惩落实，制定相应的管理措施和合作策略； 3）供应商服务份额管理：完善供应商绩效分级管理，定期分析和输出服务情况报告，匹配合适的高质高效供应商，促进供应商之间的良性竞争氛围，并长期优化服务质量和成本； 4）供应商风险管控：负责完善供应商风控管理体系，承担日常有关供应商风控事件的稽核、调查、处理等； 3、生态用工需求管理：负责各业务的生态用工需求的满足，关注时效性、稳定性、用工质量和用工成本。 4、员工关系管理：负责各类员工关系政策的设计及优化，包括用工关系管理、员工行为规范等。协助完善业务部劳动关系相关制度和规定，帮助公司规避劳动用工风险
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。
1. 负责万亿级别QPS的分布式缓存/存储集群，支撑公司所有产品线的业务需求； 2. 设计、研发高可用、高性能的缓存/存储架构和中间件，应对弹性扩缩容，秒级故障自动切换，异地多活，分布式事务等极具挑战性的工作内容和方向； 3. 优化系统性能，深入内核，提升基础服务相关资源的使用率，增加系统稳定性，保障业务运行； 4. 设计并研发自动化运维平台，提升运维质量和效率，探索运维自动化和智能化技术和方向。