阿里云供应链需求预测算法工程师

依托阿里巴巴集团强大的技术生态，基于菜乌深耕多年的物流供应链产品技术中后台，搭建具备跨境出口业务特色的小包裹物流履约产品技术体系。 通过对接全链路各环节的物流资源，搭建C2G全球网络。基于信息流高效协同“揽收、调拨、集运、组包、配舱、清关、卡班运输、未端派送、逆向退回等”各物流环节，提供“优先、标准、简易、经济等”各样时效等级的物流产品与解决方案，完成前台电商供应链的物流需求履约。 通过工程、数据、算法的结合，对包裹可达计算、线路路由、订单分配、大包配舱、时效预测、异常管理等环节进行辅助与优化，助力提供具备一定成本、时效优势，服务稳定的物流服务。 1、针对跨境物流的计划场景，做单量中长期预测、包裹全链路时效预测等预测算法，制定合理、有效并具有一定创新性的技术解决方案。 2、深入理解业务特性，参与大数据分析和挖掘，与业务方做深度的交流与协同。将算法应用到实际场景，解决复杂业务问题。 3、持续优化预测算法效果，保障在日常以及大促期间的业务使用体感，适应业务的快速发展和变化。 4、在基础技术之外，跟踪业界最新算法趋势，尝试大模型等新型AI技术在预测算法中的应用，确保技术领先进性。

1、负责大数据特征挖掘、数据建模，挖掘大数据价值并应用到物流供应链相关的业务场景中； 2、利用数据挖掘和机器学习建模技术，进行模型开发与部署应用； 3、负责海量数据分析、特征挖掘、算法选型迭代，就业务指标评估、解决方案和效果进行持续的分析和改进； 4、基于业务对接产品、研发团队，参与方案评估、策略分析和数学建模，开拓前沿建模技术并结合业务场景解决实际痛点

用算法实现大规模客服人力资源的最优运作，做多目标的优化，涉及以下几个模块： 1. 时序预测：预测多种时间粒度的话务量，为人员招聘、培训、排班、调度提供依据 2. 智能排班：实现兼顾顾客、小二和平台等多目标多约束的人员上班安排 3. 实时调度：根据实时的顾客需求及人员供给，作出最优的调度决策 4. 动态薪酬定价：确定最优薪酬定价策略和参数，兼顾多方利益

用算法实现大规模客服人力资源的最优运作，做多目标的优化，涉及以下几个模块： 1. 时序预测：预测多种时间粒度的话务量，为人员招聘、培训、排班、调度提供依据； 2. 智能排班：实现兼顾顾客、小二和平台等多目标多约束的人员上班安排； 3. 实时调度：根据实时的顾客需求及人员供给，作出最优的调度决策； 4. 动态薪酬定价：确定最优薪酬定价策略和参数，兼顾多方利益。