主分类：搜索推荐与业务决策算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "盒马-供应链高级算法TL-上海",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "盒马",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "盒马",
"company_industry": "零售 / 生鲜电商",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "盒马提供日用品、生鲜商品及即时零售服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 8,
"degree": "• 数学、计算机、运筹学、统计学等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 战略规划与技术探索\n• 制定盒马供应链算法的中长期技术路线图，主导深度时序模型、时空图神经网络、时序大模型等前沿技术在零售供应链场景的落地与突破。\n• 洞察全球零售与供应链科技趋势，构建行业领先的\"预测 - 决策 - 执行\"一体化智能大脑，确立盒马在生鲜新零售领域的算法护城河。\n• 攻克长周期预测、节假日预测、新品/新店预测、极端天气、复杂营销活动、突发事件下的鲁棒性预测等行业级难题。\n2. 业务闭环与价值交付\n• 统筹供应链算法体系，打通从需求感知（销量/单量/GMV预测）到智能决策（自动选品、自动订货、库存优化、出清策略）再到履约执行（仓网规划、生产计划、陈列优化）的业务闭环。\n• 深入理解盒马多业态（盒马鲜生、前置仓、超盒算等）复杂的业务逻辑，将模糊的业务痛点转化为可量化的算法目标，通过运筹优化、机器学习、大模型深度融合，显著降低损耗、提升加权有货率、提高各环节人员作业效率。\n• 主导新品全生命周期管理算法体系建设，利用大模型赋能自动化选品与汰换，实现“以少胜多”的商品力提升。\n3. 团队管理与人才培养（团队管理）\n• 负责供应链算法团队的整体建设，包括人才梯队搭建、核心技术攻关指导及绩效管理体系设计。\n• 培养兼具算法深度与业务广度的复合型人才，营造崇尚技术、追求极致、结果导向的团队文化。\n• 协调跨部门资源（产研、运营、采购、物流），推动算法方案在业务侧的高效落地与规模化推广。",
"requirements_text": "1. 经验背景\n• 数学、计算机、运筹学、统计学等相关专业硕士及以上学历，8 年以上算法相关工作经验，3 年以上大型互联网或零售企业供应链算法团队管理经验（团队规模 10 人+）。\n• 成功主导过全链路供应链智能决策系统从 0 到 1 建设或重大重构的经验，并有可量化的显著业务成果（如库存周转天数降低 X%，缺货率降低 Y%，损耗率降低Z%等）。\n2. 技术能力要求\n• 同时具备深厚的机器学习/深度学习/运筹优化功底。时序预测领域精通 Transformer, TFT, DeepAR, NeuralProphet 及时序大模型架构；运筹优化领域精通混合整数规划 (MIP)、非线性规划、随机规划及元启发式算法，熟练使用 Gurobi/CPLEX 等求解器或自研求解引擎解决大规模库存、补货、路径规划问题。\n• 对生成式AI在供应链场景的应用（如基于大语言模型的需求归因、交互式决策助手）有独到见解和落地实践者优先。\n3. 业务洞察与解决问题能力\n• 深刻理解新零售“人货场”重构下的供应链挑战，具备极强的业务抽象能力，能将复杂的线下作业流程（如店内加工、鲜度管理、动态陈列）转化为数学模型。\n• 具备优秀的数据敏感度和逻辑思维，能在数据缺失或噪声极大的环境下，灵活运用经典算法与创新技术解决实际问题。\n4. 领导力\n• 卓越的沟通协调能力，能够向上管理预期，向下清晰传达战略，横向拉通产研运采各方诉求，推动复杂项目落地。\n• 具备强烈的创业精神和抗压能力，适应新零售快节奏变化，敢于承担不确定性带来的挑战。\n• 拥有开放的技术视野和求知欲，热衷于技术分享与团队赋能，是团队的技术精神领袖。\n5. 加分项\n• 有头部零售企业（如Amazon, Walmart, Costco）或国内头部电商/新零售供应链核心算法负责人经验者优先。\n• 在 KDD, ICML, NeurIPS, INFORMS 等会议发表过供应链相关论文，或在开源社区有重大贡献者。",
"skills": [AI生成
"机器学习",
"深度学习",
"团队管理",
"沟通协调",
"沟通能力",
"解决问题",
"逻辑思维",
"大语言模型"
],
"preferred_qualifications": "对生成式AI在供应链场景的应用（如基于大语言模型的需求归因、交互式决策助手）有独到见解和落地实践者优先；5. 加分项；有头部零售企业（如Amazon, Walmart, Costco）或国内头部电商/新零售供应链核心算法负责人经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://hire.freshippo.com/off-campus/position-detail?positionId=100036400001"
}
]
},
"posting": {
"posting_id": "100036400001",
"post_date": "2026-08-31",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hire.freshippo.com/off-campus/position-detail?positionId=100036400001"
},
"fulltext": "盒马-供应链高级算法TL-上海\n盒马-供应链高级算法TL-上海\n\n基础信息\n工作地点：上海\n\n职位描述\n1. 战略规划与技术探索\n• 制定盒马供应链算法的中长期技术路线图，主导深度时序模型、时空图神经网络、时序大模型等前沿技术在零售供应链场景的落地与突破。\n• 洞察全球零售与供应链科技趋势，构建行业领先的\"预测 - 决策 - 执行\"一体化智能大脑，确立盒马在生鲜新零售领域的算法护城河。\n• 攻克长周期预测、节假日预测、新品/新店预测、极端天气、复杂营销活动、突发事件下的鲁棒性预测等行业级难题。\n2. 业务闭环与价值交付\n• 统筹供应链算法体系，打通从需求感知（销量/单量/GMV预测）到智能决策（自动选品、自动订货、库存优化、出清策略）再到履约执行（仓网规划、生产计划、陈列优化）的业务闭环。\n• 深入理解盒马多业态（盒马鲜生、前置仓、超盒算等）复杂的业务逻辑，将模糊的业务痛点转化为可量化的算法目标，通过运筹优化、机器学习、大模型深度融合，显著降低损耗、提升加权有货率、提高各环节人员作业效率。\n• 主导新品全生命周期管理算法体系建设，利用大模型赋能自动化选品与汰换，实现“以少胜多”的商品力提升。\n3. 团队管理与人才培养（团队管理）\n• 负责供应链算法团队的整体建设，包括人才梯队搭建、核心技术攻关指导及绩效管理体系设计。\n• 培养兼具算法深度与业务广度的复合型人才，营造崇尚技术、追求极致、结果导向的团队文化。\n• 协调跨部门资源（产研、运营、采购、物流），推动算法方案在业务侧的高效落地与规模化推广。\n\n职位要求\n1. 经验背景\n• 数学、计算机、运筹学、统计学等相关专业硕士及以上学历，8 年以上算法相关工作经验，3 年以上大型互联网或零售企业供应链算法团队管理经验（团队规模 10 人+）。\n• 成功主导过全链路供应链智能决策系统从 0 到 1 建设或重大重构的经验，并有可量化的显著业务成果（如库存周转天数降低 X%，缺货率降低 Y%，损耗率降低Z%等）。\n2. 技术能力要求\n• 同时具备深厚的机器学习/深度学习/运筹优化功底。时序预测领域精通 Transformer, TFT, DeepAR, NeuralProphet 及时序大模型架构；运筹优化领域精通混合整数规划 (MIP)、非线性规划、随机规划及元启发式算法，熟练使用 Gurobi/CPLEX 等求解器或自研求解引擎解决大规模库存、补货、路径规划问题。\n• 对生成式AI在供应链场景的应用（如基于大语言模型的需求归因、交互式决策助手）有独到见解和落地实践者优先。\n3. 业务洞察与解决问题能力\n• 深刻理解新零售“人货场”重构下的供应链挑战，具备极强的业务抽象能力，能将复杂的线下作业流程（如店内加工、鲜度管理、动态陈列）转化为数学模型。\n• 具备优秀的数据敏感度和逻辑思维，能在数据缺失或噪声极大的环境下，灵活运用经典算法与创新技术解决实际问题。\n4. 领导力\n• 卓越的沟通协调能力，能够向上管理预期，向下清晰传达战略，横向拉通产研运采各方诉求，推动复杂项目落地。\n• 具备强烈的创业精神和抗压能力，适应新零售快节奏变化，敢于承担不确定性带来的挑战。\n• 拥有开放的技术视野和求知欲，热衷于技术分享与团队赋能，是团队的技术精神领袖。\n5. 加分项\n• 有头部零售企业（如Amazon, Walmart, Costco）或国内头部电商/新零售供应链核心算法负责人经验者优先。\n• 在 KDD, ICML, NeurIPS, INFORMS 等会议发表过供应链相关论文，或在开源社区有重大贡献者。\n1. 战略规划与技术探索\n• 制定盒马供应链算法的中长期技术路线图，主导深度时序模型、时空图神经网络、时序大模型等前沿技术在零售供应链场景的落地与突破。\n• 洞察全球零售与供应链科技趋势，构建行业领先的\"预测 - 决策 - 执行\"一体化智能大脑，确立盒马在生鲜新零售领域的算法护城河。\n• 攻克长周期预测、节假日预测、新品/新店预测、极端天气、复杂营销活动、突发事件下的鲁棒性预测等行业级难题。\n2. 业务闭环与价值交付\n• 统筹供应链算法体系，打通从需求感知（销量/单量/GMV预测）到智能决策（自动选品、自动订货、库存优化、出清策略）再到履约执行（仓网规划、生产计划、陈列优化）的业务闭环。\n• 深入理解盒马多业态（盒马鲜生、前置仓、超盒算等）复杂的业务逻辑，将模糊的业务痛点转化为可量化的算法目标，通过运筹优化、机器学习、大模型深度融合，显著降低损耗、提升加权有货率、提高各环节人员作业效率。\n• 主导新品全生命周期管理算法体系建设，利用大模型赋能自动化选品与汰换，实现“以少胜多”的商品力提升。\n3. 团队管理与人才培养（团队管理）\n• 负责供应链算法团队的整体建设，包括人才梯队搭建、核心技术攻关指导及绩效管理体系设计。\n• 培养兼具算法深度与业务广度的复合型人才，营造崇尚技术、追求极致、结果导向的团队文化。\n• 协调跨部门资源（产研、运营、采购、物流），推动算法方案在业务侧的高效落地与规模化推广。\n1. 经验背景\n• 数学、计算机、运筹学、统计学等相关专业硕士及以上学历，8 年以上算法相关工作经验，3 年以上大型互联网或零售企业供应链算法团队管理经验（团队规模 10 人+）。\n• 成功主导过全链路供应链智能决策系统从 0 到 1 建设或重大重构的经验，并有可量化的显著业务成果（如库存周转天数降低 X%，缺货率降低 Y%，损耗率降低Z%等）。\n2. 技术能力要求\n• 同时具备深厚的机器学习/深度学习/运筹优化功底。时序预测领域精通 Transformer, TFT, DeepAR, NeuralProphet 及时序大模型架构；运筹优化领域精通混合整数规划 (MIP)、非线性规划、随机规划及元启发式算法，熟练使用 Gurobi/CPLEX 等求解器或自研求解引擎解决大规模库存、补货、路径规划问题。\n• 对生成式AI在供应链场景的应用（如基于大语言模型的需求归因、交互式决策助手）有独到见解和落地实践者优先。\n3. 业务洞察与解决问题能力\n• 深刻理解新零售“人货场”重构下的供应链挑战，具备极强的业务抽象能力，能将复杂的线下作业流程（如店内加工、鲜度管理、动态陈列）转化为数学模型。\n• 具备优秀的数据敏感度和逻辑思维，能在数据缺失或噪声极大的环境下，灵活运用经典算法与创新技术解决实际问题。\n4. 领导力\n• 卓越的沟通协调能力，能够向上管理预期，向下清晰传达战略，横向拉通产研运采各方诉求，推动复杂项目落地。\n• 具备强烈的创业精神和抗压能力，适应新零售快节奏变化，敢于承担不确定性带来的挑战。\n• 拥有开放的技术视野和求知欲，热衷于技术分享与团队赋能，是团队的技术精神领袖。\n5. 加分项\n• 有头部零售企业（如Amazon, Walmart, Costco）或国内头部电商/新零售供应链核心算法负责人经验者优先。\n• 在 KDD, ICML, NeurIPS, INFORMS 等会议发表过供应链相关论文，或在开源社区有重大贡献者。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}