盒马盒马-区域空间管理SPT运营专员-南京
任职要求
1.本科或者以上学历，零售，物流，数据分析，统计学，数学等相关专业优先考虑; 2.3年以上中大型商超空间规划，品类管理及货架陈列经验，丰富的零售行业空间陈列经验; 3.熟悉零售店铺开业及改造各流程 良好的跨部…
工作职责
盒马，新零售业态的新生力量，依靠科技重构餐饮及零售产业链。从创立伊始，盒马的使命就是让消费者享受“购新鲜”的高品质生活。 盒马，以吃和吃的配套商品这一最高频品类为切入，探索一条立足本地，深耕供应链与物流配送，线上线下融合，主打会员心智的全新电商道路， 让每一位盒马会员“吃的好， 吃的方便，吃的开心” 盒马，已打造了颇具人气的独立APP、业界名厨领衔的餐饮研发中心、国际标准的中央厨房、买手制采购团队、自建+众包物流配送体系和线下体验门店，从而形成了极致的配送“29分半”和产品“新鲜每一刻”这两大核心竞争力，如今盒马在北京消费者当中已形成了出色的口碑和网红效应，异军突起！ 欢迎有梦想的你，速速加入盒马！ 盒马官网：www.freshhema.com 1.负责南京区域线下零售门店宏观&微观货架空间管理&数字化实施;新开门店提供陈列培训及现场指导支持; 2.分析门店销售数据，结合市场趋势进行品类分析及管理，基于数据洞察来调整空间和陈列以提高空间产出; 3.协调换季，大促时间段等陈列安排; 4.与关联部门如采购／库控／运营／开店／设计等保持有效沟通，保障商品空间管理工作顺利运营。
1.负责品类商品陈列：根据品类规划的买卖策略，聚合大/小消费场景的商品陈列，以最适合的陈列设备和陈列形式，根据动销或预估销售分配最佳陈列空间，绘制陈列图，提供库控有效承载量为订备货计算基数，并以数据任务形式发布到每一家门店执行高效统一化的调整动作 2.负责建立和完善SPT货架陈列标准，并通过培训及数字化监控落地执行 3.负责建立SPT空间坪效标准、商品汰换标准，及坪效追踪报表体系，通过数据分析和洞察，持续推动采购对货架品类结构的诊断优化，提升空间坪效产出，商品的POS动销率 4.负责对各区域的培训指导，提升全国空间管理工作效率，及新开门店提供陈列培训及现场指导支持； 5.推进数字化产品的迭代升级，提升空间效率和协同效率6.围绕生意计划实现线下场景&心智品线下透传的呈现
1.负责品类商品陈列：根据品类规划的买卖策略，聚合大/小消费场景的商品陈列，以最适合的陈列设备和陈列形式，根据动销或预估销售分配最佳陈列空间，绘制陈列图，提供库控有效承载量为订备货计算基数，并以数据任务形式发布到每一家门店执行高效统一化的调整动作 2.负责建立和完善SPT货架陈列标准，并通过培训及数字化监控落地执行 3.负责建立SPT空间坪效标准、商品汰换标准，及坪效追踪报表体系，通过数据分析和洞察，持续推动采购对货架品类结构的诊断优化，提升空间坪效产出，商品的POS动销率 4.负责对各区域的培训指导，提升全国空间管理工作效率，及新开门店提供陈列培训及现场指导支持； 5.推进数字化产品的迭代升级，提升空间效率和协同效率6.围绕生意计划实现线下场景&心智品线下透传的呈现
1.负责品类商品陈列：根据品类规划的买卖策略，聚合大/小消费场景的商品陈列，以最适合的陈列设备和陈列形式，根据动销或预估销售分配最佳陈列空间，绘制陈列图，提供库控有效承载量为订备货计算基数，并以数据任务形式发布到每一家门店执行高效统一化的调整动作 2.负责建立和完善SPT货架陈列标准，并通过培训及数字化监控落地执行 3.负责建立SPT空间坪效标准、商品汰换标准，及坪效追踪报表体系，通过数据分析和洞察，持续推动采购对货架品类结构的诊断优化，提升空间坪效产出，商品的POS动销率 4.负责对各区域的培训指导，提升全国空间管理工作效率，及新开门店提供陈列培训及现场指导支持； 5.推进数字化产品的迭代升级，提升空间效率和协同效率6.围绕生意计划实现线下场景&心智品线下透传的呈现
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)