1. 供应链核心问题建模与优化：围绕需求预测、库存优化、补货与生产计划、仓网与路径规划、物流调度等关键环节，识别业务痛点，构建数学模型或算法方案，持续提升服务水平与成本效率； 2. 算法开发与验证：综合运用统计建模、机器学习、时间序列预测、运筹优化、仿真建模等方法，开发并验证优化模型与算法，进行离线仿真，持续迭代效果； 3. 供应链数字化 / 智能化项目实施：参与或主导库存优化、供应仓网优化、智能补货、智能排程、物流路径优化等专项项目，从方案设计、数据分析、模型开发到系统上线全流程推进； 4. 持续优化与技术沉淀：对已经上线的应用的落地效果进行持续跟进；同时，持续进行性能优化与成本控制（如推理加速、模型压缩、服务稳定性提升等），输出技术文档、最佳实践和内部分享，推动研究团队整体能力进步； 5. 跨部门协作：与业务团队紧密配合，将复杂的技术方案转换成业务可理解的策略与工具，推动算法在一线业务中的使用和反馈闭环； 6. 前沿技术研究与落地探索：跟踪供应链领域前沿的智能优化、强化学习、大模型在规划与决策中的应用等技术趋势，结合公司实际业务场景进行 PoC 验证与试点落地，沉淀通用算法组件与方法论。

1. 教育背景： - 物流工程、工业工程、运筹学、应用数学、供应链管理、计算机等相关专业，硕士及以上学历； - 若具备扎���的相关工作经验，本科背景亦可考虑；特别优秀的应届硕士也欢迎投递； 2. 工作经验： - 具备 2 年及以上供应链数字化、供应链优化建模或运筹优化相关工作经验； - 有电商、零售、制造、物流等行业供应链项目经验者优先； - 有成功将数学模型 / 算法应用于真实业务场景并取得可量化效果的案例更佳（如库存周转提升、仓配成本下降等）。 3. 专业技能： - 运筹与建模能力 - 熟悉线性规划、整数规划、网络流、排队论、启发式算法等常见运筹优化方法，能根据业务场景选择合适的建模方式； - 具备建立和求解中等规模优化模型的实际经验（如库存优化、选址、车辆路径、生产排程等）； - 有供应链及仓储系统仿真建模经验者尤佳。 - 编程与数据处理能力 - 熟练掌握 Python，熟悉常用科学计算和优化库（如 NumPy、Pandas、PyTorch / TensorFlow、OR-Tools / CPLEX / Gurobi 等，有其一即可）； - 熟悉 SQL，能在实际业务数据库或数据平台（如 Hive、Spark、MaxCompute 等）中进行数据抽取和处理。 - 数据分析与统计建模 - 具备扎实的统计学基础，熟悉时间序列预测、回归分析、聚类等常见模型； - 能通过数据分析定位供应链问题根因，评估模型效果并不断优化。 - 业务理解与抽象能力 - 对供应链运作有清晰认知，理解需求计划、采购计划、生产计划、库存控制、仓储及物流配送等基本流程； - 能将复杂业务规则抽象为数学模型或算法逻辑，平衡服务水平、成本与风险。 4. 其他： - 英文文献阅读能力良好，能够快速理解国外相关研究与实践； - 具备较强的业务理解与抽象建模能力，能从复杂的业务需求中提炼可实现的技术问题； - 良好的沟通协作能力与跨团队合作意识，能用清晰的方式向非技术同学解释技术方案； - 结果导向和主人翁意识强，能迎难而上，积极推动项目落地； - 热爱新技术，对运筹优化、供应链 AI 等方向保持持续关注和学习。