阿里云阿里云智能-AI应用数据高级产品专家-杭州/北京
任职要求
1. 8年以上可观测、大数据或数据库相关产品技术开发及产品经验，对日志服务、可观测、大数据、数据库等领域中的一个以上有深入了解。 2. 对于当前AI Agent智能体相关技术，特别是围绕Agent应用架构以及Agent相关的数据流转，如可观测数据、数据处理、应用评估、模型后训练等有深入理解。 3. 具有很好的沟通技巧，对外可以很好的与客户沟通澄清需求，对内能够与研发、售前、销售…
工作职责
随着企业开始构建Agent并逐步上线，围绕AI应用的数据使用越来越被重视，特别是基于数据进行效果持续提升成为决定Agent是否成功的关键，比如应用评估、模型后训练、上下文优化等。云原生的产品中有大量的Agent实时运行数据和业务数据，我们正在这些产品之上构建新的产品能力，来帮助客户更好的利用这些数据用于Agent的持续效果优化。包括结合AI的场景对数据进行持续的处理、存储，以及与阿里云的其他AI产品进行集成，在不同的场景中使用。我们需要资深的产品专家来定义这些新的场景，并以产品化的形式交付给我们的客户，助力客户AI应用成功。主要的职责包括： 1. 深刻理解客户业务和场景需求，追踪AI行业发展趋势及技术发展动态，规划产品演进路径及迭代。一方面负责存量产品的持续增长，包括消息队列、Kafka、日志服务、可观测等产品；同时不断发掘存量产品与AI的结合，包括AI提升产品能力，以及产品如何在AI的新场景中发挥作用。 2. 探索AI应用数据领域的新方向产品的孵化和前期市场探索，场景包括如何将应用数据用于Agent智能体的持续效果调优，包含AI应用相关数据的采集、存储、处理，以及后续在智能应用评估、模型后训练中的使用，帮助用户构建AI应用数据飞轮，持续提升Agent效果。 3. 制定产品策略以及市场策略，以业务成功为导向，协同研发、售前、运营、文档等多角色共同达成业务目标。
1. 技术前瞻与需求洞察：深度跟踪容器、云原生技术前沿（如 Kubernetes 新特性、Serverless 演进、AI 训练/推理、AI Agent 架构、微服务治理等），精准识别内/外客户在不同场景中的核心需求，驱动产品创新方向与技术战略落地； 2. 竞品与市场分析：持续分析主流云厂商在容器编排、Serverless 算力、AI 训推方案、AI Agent 等领域的竞品动态，输出深度市场洞察报告，支撑产品差异化设计与战略决策，不断增强产品竞争力； 3. 产品全生命周期管理：主导核心容器产品（如 ACK、ACS、ACR 等）的功能规划、需求定义、设计及商业化运营，从需求挖掘到规模化落地，推动市场份额与用户满意度提升； 4. 端到端解决方案设计：针对企业客户复杂业务场景（如 AI 训练/推理、AI Agent 应用、大数据应用、多云微服务应用等），设计端到端的容器解决方案，平衡调度性能、弹性容量、安全合规与成本优化等关键维度； 5. 跨职能协同：联动容器产品 PDSA、运营、研发、运维及 SA 架构师团队，高效推进产品从需求到上线的全流程交付，确保技术方案与客户业务目标精准匹配，提升交付质量与客户体验； 6. 产品运营与持续迭代：负责产品上线后的运营闭环，包括客户反馈深度分析、用户培训、市场活动支持及数据驱动的体验优化，通过持续迭代巩固产品市场地位与客户成功。
1. 百炼移动端 ＆ 应用广场设计： （1）设计百炼移动端 & 应用广场核心功能：模板体验、用户路径，搜索推荐、应用部署对接流程等，基于场景、行业理解设计高质量的模板分类、标签体系，降低企业及开发者使用门槛。 （2）制定应用上架标准与审核机制（包括功能、安全合规、效果基线、发布流程等），建立应用质量分级体系（如官方认证/开发者自营），建立数据反馈体系。 （3）设计AI体验中心，基于应用广场的供给，提供一站式大模型服务与应用体验中心，通过合理的动线设计，提高新用户转化率。 2. 应用开发者生态建设与运营： （1）协同运营团队，设计开发者增长策略（如黑客松赛事、流量扶持计划、分成激励机制），解决应用分发闭环问题，吸引优质大模型应用入驻。 （2）构建开发者支持能力（文档/教程/沙盒环境/版本管理/收益体系），提升应用开发效率与上架转化率。 （3）设计应用商店商业模式，平衡开发者收益与平台成本，设计合理的治理规则，确保应用商店有序发展，构建开发者生态，提高活跃度。 3. 应用生态价值挖掘： （1）分析应用调用、付费、运营数据，挖掘高潜力应用方向，反向驱动平台开发能力迭代，将头部应用打包为行业标准化产品。 （2）配合运营建设高质量一方应用，呈现大模型服务及应用的能力及场景，丰富市场供给。 4. 行业洞察与竞争分析： （1）跟踪国内外多模态交互类产品动态，制定技术对标与差异化方案。
DTS数据传输服务是阿里云自研的核心数据产品，大规模服务于涉及国计民生的大量企业客户，并应用于双十一核心交易异地多活、广告、搜索等核心场景，并在 Data+AI 战略下发挥独特的价值。近年来，团队产出数十项发明技术专利，并在国际顶会 VLDB、ICDE、TDSC 上发表多篇学术论文。 1. 负责 DTS 数据库传输产品管控开发，提升产品稳定性、可扩展性、可观测性、高可用能力，为云上用户提供简单易用的数据传输服务。 2. 负责DTS全球化版本的开发，实现任务流、调度系统、资源管控系统的设计和开发，适配各 CPU\GPU 资源完成高度自动化部署、自运维的要求。 3. 参与DTS新链路、新产品形态开发，为用户提供更丰富的Serverless、zero-ETL等产品形态。 4. 面向AI场景开发数据传输应用，提升DTS产品在AI时代的竞争力。
1. 产品战略与规划 市场洞察与场景分析：深入研究中间件/数据库/大数据（任一种或多种类）产品在传统企业市场及AI领域的应用场景、客户需求与发展趋势。 产品组合创新：基于行业趋势、专有云市场竞争格局及客户价值诉求，主导制定产品组合策略；撰写高质量产品需求文档（PRD），完成从概念设计到落地实施的端到端产品方案。 AI能力融合规划：针对上述任一技术领域，规划其AI能力演进路径，包括AI场景适配、智能化功能增强及通过AI提升产品核心竞争力。 产品业务国际化：具备全球视野，推动产品在全球领域竞争和产品规划 2. 客户洞察与产品上市 关键客户共创：遴选代表性重点客户，在产品0到1孵化阶段深度参与快速迭代，全程跟进并推动客户侧方案部署、测试与验证，确保产品上市前的成功落地。 跨团队协同交付：紧密协同云产品团队、研发架构团队，推动跨产品线集成方案设计，保障专有云PaaS解决方案的一体化交付，强化产品间协同效应与整体竞争力。 用户反馈闭环：系统收集客户使用体验与痛点反馈，深入分析问题根源，驱动产品持续优化与迭代升级，不断提升用户体验 3. 竞品分析与竞争策略 竞争情报研究：定期调研国内外主流竞争对手在数据库、大数据、中间件及AI领域的战略布局、产品特性、市场表现与客户评价，形成深度洞察。 竞争力提升策略：输出结构化竞品分析报告，识别自身优势与短板，制定针对性的产品竞争力提升计划与超越对手的战略蓝图，支撑企业在专有云PaaS市场的领导地位建设。