美团商业分析实习生（供应链方向）
任职要求
1. 本科及以上学历，有供应链行业实习背景优先； 2. 精通SQL，熟悉互联网常见的分析工具和数据分析方法论； 3. 逻辑思维能力出色，思路严谨缜密，理解能力、沟通表达能力和协调推进能力良好； 4. 业务敏感度强，热爱思考，自驱力强，学习能力强。
工作职责
1. 构建和完善物流经营规划，制定物流预算目标，并拆解关键提效策略，输出解决方案并推动业务重要决策； 2. 基于经营策略和目标，拆解可控输入指标，沉淀并完善经营指标框架，通过周月报形式定期监控，定位关键经营问题，实现目标-策略-监控的闭环经营管理； 3. 结合当前业务痛点与长期发展方向，推动物流作业流程及模式迭代，提升全链路履约效率及时效； 4. 规划入仓服务产品体系及策略，支持商流的高效入库发展；
ByteIntern：面向2025届毕业生（2024年9月-2025年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 1、支持抖音电商国内及国际化业务快速发展，服务数百万达人商家，探索更高效的商业模式，满足用户最好的购物体验，促进生态良性发展； 2、利用大规模机器学习算法对电商搜索的rank排序、query分析、相关性计算等技术方向的进行深入优化；优化排序场景的各项业务指标，包括相关性，点击率，转化率等； 3、负责海量用户query分析挖掘，并制定相应的算法策略赋能商家侧，提升平台整体撮合能力； 4、对达人、商家的行为做深入的理解和分析，制定针对的算法策略赋能供需两端，提升商家变现效率，助推产业升级。
团队介绍：Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 课题介绍： 电商推荐算法是互联网商业变现的核心驱动力，目前我们有国内最大的兴趣电商分发场景以及最大的电商广告分发场景，我们希望借鉴生成式AI的成功思路，探索在电商推荐算法和架构上的颠覆性创新，解锁更大的算法效果提升空间。重点探索以下方向： 1）基于类Transformer结构的生成式推荐大模型技术，验证电商推荐场景的Scaling Law，探索面向大模型的特征工程以及算法建模范式； 2）研究电商推荐模态下的Tokenization以及COT相关算法优化； 3）算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理效率； 4）语言/推荐/视频等多模态模型的结合。 1、负责电商推荐及电商广告场景推荐大模型的算法优化，引入生成式AI技术，优化算法建模方法、模型结构、特征和样本等，提升电商分发效率； 2、验证推荐大模型的Scaling Law，应对大模型训练中的一切新挑战； 3、挖掘有效的用户行为，不限于Sideinfo、Action_Type等，同时研究行为聚合算法； 4、算法和工程高度融合、协同设计，极致优化推荐大模型的训练及推理效率。
团队介绍：Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 课题介绍： 电商推荐算法是互联网商业变现的核心驱动力，目前我们有国内最大的兴趣电商分发场景以及最大的电商广告分发场景，我们希望借鉴生成式AI的成功思路，探索在电商推荐算法和架构上的颠覆性创新，解锁更大的算法效果提升空间。重点探索以下方向： 1）基于类Transformer结构的生成式推荐大模型技术，验证电商推荐场景的Scaling Law，探索面向大模型的特征工程以及算法建模范式； 2）研究电商推荐模态下的Tokenization以及COT相关算法优化； 3）算法和工程协同设计与优化，提升海量数据、超大参数背景下的训练与推理效率； 4）语言/推荐/视频等多模态模型的结合。 1、负责电商推荐及电商广告场景推荐大模型的算法优化，引入生成式AI技术，优化算法建模方法、模型结构、特征和样本等，提升电商分发效率； 2、验证推荐大模型的Scaling Law，应对大模型训练中的一切新挑战； 3、挖掘有效的用户行为，不限于Sideinfo、Action_Type等，同时研究行为聚合算法； 4、算法和工程高度融合、协同设计，极致优化推荐大模型的训练及推理效率。
1. 经营数据分析与业务洞察：运用 Excel 高级函数、SQL、Python 等工具，分析企业经营数据（如 ROI、现金流、毛利率），评估各业务板块健康度，识别潜在风险与增长机会。结合管理模型（SWOT、PEST、波特五力模型等），输出数据分析报告，为经营决策提供依据（如优化成本结构、调整资源分配）； 2. 战略规划与经营策略制定：基于行业趋势、政策环境及企业资源，开展战略分析，提出可行性商业策略（如市场拓展方向、业务转型路径）。参与企业战略规划全流程，将战略目标拆解为可执行的经营计划，确保与企业资源匹配； 3. 跨部门经营统筹与项目推动：主导或参与跨部门项目（如经营目标达成、业务流程优化），负责目标拆解、资源分配、冲突协调，推动项目按节点交付。统筹企业经营管理全流程（战略、营销、财务、人力、供应链等），通过案例分析或模拟经营整合各环节资源，提升整体运营效率。