logo of jd

京东保险业务产品经理

实习兼职保险类地点:北京 | 广州状态:招聘

任职要求


1. 统招本科及以上学历在校生,26届优先;
2. 保险学,经济、金融等相关专业背景最佳(不做硬性要求); 
3. 具有一定的项目管理能力和项目执行力,能够…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


1. 市场调研和分析:研究市场的政策和动态,同业情况,提出创新的保险产品方案;
2. 保险业务需求挖掘:了解并熟悉业务场景的特点、特性,针对不同场景和客户,挖掘潜在的保险需求;
3. 保险产品设计:根据不同场景和客户需求,设计合适的保险产品;
4. 产品上线及后续优化追踪:负责公司内部各部门,推动产品的上线落地;产品上线后,持续追踪并提出优化迭代方案。
包括英文材料
学历+
相关职位

logo of alibaba
社招3年以上LAZADA

作为阿里国际数字商业(AIDC)集团的支付产品经理,将为阿里巴巴集团国际化电商业务,构建平台化支付能力,为海外用户提供良好的电商支付体验,助力阿里国际的金融与支付业务多国家的业务发展。工作中,你将组织和带领跨职能团队完成大型项目协作,协同如设计团队,技术团队,客资财务,法务合规,客户服务和三方机构等多团队共同完成产品交付。 工作职责: ●负责产品功能的规划及方案的撰写和落地,满足阿里国际化生态下对支付方式能力的覆盖,以及提供全球有竞争力的支付能力的要求; ●负责搭建支付中台的能力,服务于 AIDC多国家多支付工具的标准化接入;同时构建标准化收单支付、营销、结算的产品能力,服务于 AIDC 信贷以及保险等金融业务的发展; ●通过与多团队协作,协同完成支付产品整体解决方案的攥写,评审和产品方案的落地; ●关注用户研究、行业竞品研究,持续进行产品微创新。

更新于 2025-06-09广州
logo of alibaba
社招LAZADA

Team and Role Introduction: Lazada Pay业务分析团队致力于国际支付金融的业务增长,赋能东南亚电商的同时,发展丰富多样的金融服务和产品;如果你是一个充满活力的个体,具有经过验证的业务影响力、分析能力、卓越的沟通和项目管理技能,Lazada Pay业务分析团队是你的理想平台。 我们Lazada Pay业务分析团队正在寻找真正以客户为中心的自我驱动候选人。深入挖掘数据,展示出强大的分析能力来解决复杂的挑战,并使用SQL和其他可视化工具来提取和分析数据,做出有洞察力的可视化。利用你的专业知识发现业务机会点,并推动可扩展的效果改进。对于BA职位,我们寻找展现出强商业敏锐度和战略灵活性的你,独立主导项目,促进各合作团队之间的策略挖掘、策略落地。同时启动和管理多个分析项目,涵盖多个业务增长主题。 加入我们,共同塑造产品和业务的未来! Responsibilities: -对LazPay支付金融业务的用户/营收增长提供数据策略挖掘,通过专业的方法论,助力业务增长。 -构建数据模型、仪表板和分析报告:发挥数据技能(统计学、机器学习等)和技术手段(Python、SQL、Excel等)上的优势,实现业务流程的效率和实际成果的提升。 -与产品和运营的战略协同:与业务团队紧密合作,通过数据分析细化和确立商业策略,并确保最大的商业影响和价值贡献。 -技术和数据驱动的创新:将业务需求和洞察转化为可行的策略动作,设计自动化工具和解决方案,推动效率和影响力提升。 -与商业智能(BI)、数据科学家、算法和产品经理等多个职能无缝合作,设计和实施实用的数据分析框架,为内部合作团队提供创新的数据报表、创新可规模化的解决方案,提升生产力和效率,并对组织和业务产生持久的影响。 -有效沟通:领导内部沟通活动,包括撰写启动电子邮件、更新、公告和新闻简报,推动组织内部一致性。

更新于 2025-04-08杭州
logo of aliyun
社招8年以上云智能集团

1、负责战略金融行业(银行、证券、保险、基金)客户的整体规划和价值引导; 2、对战略金融行业客户的应用架构、数据架构、技术架构有比较深入的理解,能够在云、大数据、数据库等一个或多个领域具备较强的客户引导能力,负责售前阶段的技术交流,方案设计,概念验证等工作; 3、具备为战略金融行业客户提供轻量咨询规划的能力; 4、洞察典型场景及核心客户、生态伙伴需求,抽象共性要求,推动后端方案/产品升级优化。

更新于 2025-08-11深圳|广州
logo of aliyun
社招3年以上云智能集团

1. 行业解决方案设计与交付 - 基于阿里云大模型技术(如通义千问),为银行、保险、证券等金融客户量身定制AI大模型解决方案,覆盖AI财富助手、智能客服、智能风控等核心场景。 - 深入理解客户业务痛点,提供从需求分析、技术选型到方案落地的全流程支持,确保大模型技术与金融业务深度融合。 2. 大模型全生命周期技术赋能 - 主导客户侧大模型后训练(Post-training)、领域微调(Domain-specific Fine-tuning)、模型蒸馏(Distillation)及多模态融合优化,提升模型在金融垂直场景的精度及性能。 - 优化大模型训练与推理性能,包括分布式训练加速(如DeepSpeed、Megatron-LM)、显存优化、量化压缩(INT8/FP16)及低延迟推理部署(如vLLM、SGLang)等。 3. 工程化落地与性能调优 - 解决金融场景高并发、高稳定性需求,设计高性能计算架构,优化模型在GPU/TPU集群的训练效率及端到端推理链路。 - 结合金融行业数据隐私与安全要求,设计符合监管的模型部署方案。 4. 客户技术赋能与生态共建 - 面向客户技术团队提供大模型技术培训、实战工作坊及POC验证,推动AI能力在客户内部的规模化应用。 - 沉淀金融行业大模型最佳实践,输出白皮书、案例研究及标准化解决方案,提升阿里云在金融AI领域的市场影响力。

更新于 2025-12-09深圳|广州