阿里云阿里云智能-云网络高级产品运营专员-杭州
任职要求
1. 计算机、网络相关专业优先，拥有3年及以上在互联网、云计算或相关领域的商业分析、产品运营或策略运营经验。具备强烈的“经营者”视角和商业敏锐度，能够将数据分析结果与商业目标紧密结合，有主导完成完整商业分析项目的成功案例。
2. 逻辑思维能力极强，数据敏感度高，能够快速从海量、复杂的数据中提炼核心结论，并形成结构化的分析框架。卓越的沟通、协同与资源整合能力，能够清晰地表达观点，并有效推动产品、研发、销售等跨职能团队紧密合作，确保策略高效落地。
3. 精通SQ…工作职责
1. 网络经营与数据洞察：持续迭代网络产品线的核心经营指标体系（如营收、产品、渗透率、客户数、售卖率等）。通过系统性的数据监控与深度分析，精准洞察业务健康度，识别发展机会、潜在风险与效率瓶颈。 2. 客户与产品分析：结合行业发展趋势与市场竞争格局，深入研究网络产品的典型客户画像、应用场景结合产品资源使用分析。通过数据挖掘客户的真实需求与业务痛点，驱动产品迭代、解决方案优化与GTM策略调整，有效提升客户价值与粘性。 3. AI驱动效率提升：利用AI工具提升数据洞察和信息获取效率，不断丰富AI的结构化数据和非结构化信息，减少信息壁垒。通过AI在商机挖掘、客户管理、风险预警等场景的落地应用，打造智能运营能力，提升团队效率。
1. 支持产品线业务工作，参与产品开发、上市、运营等全流程、相关项目类工作等法务支持工作，提供有效的法律合规及风险防范建议； 2. 参与重大产品合作的方案合规规划，合作谈判，并起草、审核、修订各类合同，及跟进合同履行； 3. 识别并处理公司在产品开发、上市和运营等经营活动全流程中的系统性风险，在个案解决基础上推动流程、体系的持续优化改进； 4. 规划并组织体系化、针对业务的法务培训； 5. 处理各类突发事件、组织应对处理监管检查、处理临时交办的项目或相关工作及其他日常工作法务支持工作。
1.负责腾讯云AI网络产品研发与设计工作； 2.负责腾讯云AI网络产品运营/运维系统化建设； 3.负责AI技术与网络开发（前端/后端）的融合设计与开发，构建智能化的网络应用系统。
1、网络资源交付管理 •理解内外部客户、产品运营等各方需求，资源的需求承接可行性分析，资源策略，规格定制，准入验证，以及生产，部署，上线的护航保障 ，在保障齐套交付的基础上，同时负责协调项目系统流程处理，交付结果系统同步； •负责交付结果指标，云资源/物理资源齐套交付，针对资源交付与齐套过程中的供需异常、生产与交付风险，及时组织相关团队协同，吹哨升级重大风险，跟踪闭环，支撑面向交付的供应资源齐套方案 •负责复杂交付场景（涉及多个交付场景，像新开服、CPAAS客户场景化交付等）的整体端到端交付； •交付业务流程中的相关环节的运营：供应链方案、SOW下发、预检测、资源上下线方案、资源结构方案、资源调度策略实施、资源利用率优化等； •负责业务运营过程的指标管理（如SLA管理，交付质量管理），以及相关事件的分析、复盘持续迭代； •资源调用链路等故障处理、分析，指导现场定位问题，以及相关事件的分析、复盘持续迭代 •监控交付SLA库存健康度，输出优化策略，牵引交付模式优化和能力建设，提升交付效率，结合计划迭代优化库存配置，降低呆滞风险 2、网络资源交付能力运营 •负责云资源/物理资源交付涉及的业务流程的优化迭代，适配新需求、新场景的落地，不断的提升交付竞争力； •负责落实云资源/物理资源的交付效率、交付质量和交付成本运营能力的构建，落实资源调度策略、系统能力和运营规则，并按期持续运营； •负责云资源/物理资源的外包管理和能力建设，构成持续稳定的交付； •负责云资源/物理资源的新产品NPI交付方案制定，落地和改进优化，持续提升新产品交付能力 。 3、网络资源成本管控 • 建设资源成本映射模型，客观、准确度量及监控资源全生命周期内的成本表现，从云资源/物理资源视角或产品视角构建资源、成本、效能、部署等系统平台，基于平台动态的监控资源成本异常，挖掘资源成本优化方向 •协同上下游部门，驱动从技术降成本、运营降成本、资源降成本等维度，持续运营和降低产品单位可售卖成本； •负责监控交付成本，针对异常项目或紧急需求，落实成本显性呈现和责任归属； 4、提升资源利用率 • 建设客观、准确的资源利用率模型，围绕采买/持有的各类资产、服务等资源，通过资源预测与预警、库存管理、采购策略优化、运营优化、技术迭代等方式提升资源利用率 • 建设单位资源效益测算模型，客观、准确度量及监控资源全生命周期内的效益表现，构建资源效益运营平台
1.主导云服务器产品与AI融合创新，将云服务器核心功能路径结合AI做全新定义与方案设计，并推进落地，带来用户体验变革； 2.设计并落地AI赋能的内部流程管理工具，针对云服务器产品研发全生命周期，构建AI辅助工具链，如需求智能分析、智能决策、故障自愈、售卖推荐、搭建AI知识管理中枢等，优化产研、运维、客户支持质量与流程效率； 3.深入分析AI行业趋势，探索AI结合云基础设施的前沿方向，提炼客户对算力、存储、网络及配套工具链的关键痛点需求，发掘新的增长点，定义产品迭代路线； 4.构建云服务器产品的AI数据分析体系，利用机器学习、时序预测、用户行为建模等技术，挖掘产品运营数据（如资源利用率、故障日志、客户使用模式）的深层价值，驱动产品优化与商业决策。