阿里云阿里云智能-解决方案架构师（金融科技）-ARGO事业部（深圳）

客户需求洞察及方案设计 • 掌握并理解客户的业务场景、整体技术架构、业务与IT战略优先级及业务成功指标，挖掘客户潜在需求，提供能满足客户需求的云和AI全栈方案，规划业务策略和实现路径，解答客户对产品、解决方案的常规问题。 • 基于对技术发展趋势的把握，作为策略规划和架构专家，与客户共同规划未来云和AI业务与技术规划，成为其可信赖的顾问，识别其中潜在的合作机会，并提出具备前瞻性的方案和架构设计。 售前引导与实操能力 • 针对客户对AI算力、大模型应用场景落地等需求，通过标杆案例及场景化演示，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。 • 通过技术影响力的建立，维护客户关系，构建PoC测试和方案选型，对POC结果负责，就安全性、稳定性、性能、可持续性和运行效率给出技术建议。 技术策略制定和项目赢单 • 分析复杂客户的情况，提出基于阿里云解决方案的建议，制定产品选型策略和技术路线图，将阿里云全栈AI产品技术与客户业务需求结合，帮助客户拓展AI应用新场景，推动技术采用。 • 针对重点项目/客户，面向客户高层介绍阿里云产品和解决方案的优势，传递技术价值及其带来的业务收益，引领客户向AI转型，推动项目顺利签约。 • 在售前规划和方案实施过程中，识别并有效应对技术和项目风险，协同产研及交付团队正常履约，实现收入转化，优化阿里云的效果与客户满意度。 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/场景的通用云架构模板、AI解决方案最佳实践、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。 产品需求和改进反馈 • 识别和理解阿里云平台的技术问题和机会，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 • 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。

客户需求洞察及方案设计 • 掌握并理解客户的业务场景、整体技术架构、业务与IT战略优先级及业务成功指标，挖掘客户潜在需求，提供能满足客户需求的云和AI全栈方案，规划业务策略和实现路径，解答客户对产品、解决方案的常规问题。 • 基于对技术发展趋势的把握，作为策略规划和架构专家，与客户共同规划未来云和AI业务与技术规划，成为其可信赖的顾问，识别其中潜在的合作机会，并提出具备前瞻性的方案和架构设计。 售前引导与实操能力 • 针对客户对AI算力、大模型应用场景落地等需求，通过标杆案例及场景化演示，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。 • 通过技术影响力的建立，维护客户关系，构建PoC测试和方案选型，对POC结果负责，就安全性、稳定性、性能、可持续性和运行效率给出技术建议。 技术策略制定和项目赢单 • 分析复杂客户的情况，提出基于阿里云解决方案的建议，制定产品选型策略和技术路线图，将阿里云全栈AI产品技术与客户业务需求结合，帮助客户拓展AI应用新场景，推动技术采用。 • 针对重点项目/客户，面向客户高层介绍阿里云产品和解决方案的优势，传递技术价值及其带来的业务收益，引领客户向AI转型，推动项目顺利签约。 • 在售前规划和方案实施过程中，识别并有效应对技术和项目风险，协同产研及交付团队正常履约，实现收入转化，优化阿里云的效果与客户满意度。 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/场景的通用云架构模板、AI解决方案最佳实践、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。 产品需求和改进反馈 • 识别和理解阿里云平台的技术问题和机会，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 • 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。

• 掌握并理解战略客户的业务场景、整体技术架构，挖掘客户潜在需求，提供能满足客户需求的云和AI全栈方案，解答客户对产品、解决方案的常规问题。 • 基于对技术发展趋势的把握，作为策略规划和架构专家，与客户共同规划未来云和AI业务与技术规划，提出具备前瞻性的方案和架构设计。 • 针对客户对云产品、AI算力、大模型应用场景落地等需求，通过标杆案例及场景化演示，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。 • 通过技术影响力的建立，构建POC测试和方案选型，对POC结果负责，就安全性、稳定性、性能、可持续性和运行效率给出技术建议。 • 面向客户高层介绍阿里云产品和解决方案的优势，传递技术价值及其带来的业务收益，保障项目的顺利推进。 • 构建可复用的知识资产：沉淀面向细分领域/场景的通用云架构模板、AI解决方案最佳实践、细分领域标杆案例等知识文档。 • 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、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、技术策略制定和项目赢单 • 分析客户的业务和技术情况，将阿里云大模型产品技术与客户业务需求结合，帮助客户拓展AI应用新场景，推动技术采用。 • 针对重点项目/客户，面向客户高层介绍阿里云大模型产品和解决方案的优势，传递技术价值及其带来的业务收益，引领客户向AI转型，推动项目顺利签约。 • 在售前规划和方案实施过程中，识别并有效应对技术和项目风险，协同产研及交付团队正常履约，实现收入转化，优化阿里云的效果与客户满意度。 4、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。 5、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。