柳州算法負(fù)責(zé)人招聘

智能制造數(shù)轉(zhuǎn)售前（即智能制造數(shù)字化轉(zhuǎn)型售前），聚焦于為制造企業(yè)提供數(shù)字化轉(zhuǎn)型全周期的前期方案支持，核心是將數(shù)字化技術(shù)（如數(shù)據(jù)中臺、工業(yè)軟件、AI算法等）與制造企業(yè)的轉(zhuǎn)型目標(biāo)（如降本增效、柔性生產(chǎn)、智能化決策等）深度結(jié)合，推動客戶認(rèn)可并采納轉(zhuǎn)型方案。
一、崗位職責(zé)
1.?數(shù)字化轉(zhuǎn)型需求診斷
- 深入制造企業(yè)現(xiàn)場（如車間、供應(yīng)鏈部門、IT部門），通過訪談、流程梳理等方式，識別客戶在數(shù)字化轉(zhuǎn)型中的核心痛點：如數(shù)據(jù)分散形成“信息孤島”（生產(chǎn)數(shù)據(jù)、設(shè)備數(shù)據(jù)、供應(yīng)鏈數(shù)據(jù)未打通）、業(yè)務(wù)流程數(shù)字化程度低（依賴人工統(tǒng)計、紙質(zhì)單據(jù)）、決策缺乏數(shù)據(jù)支撐（產(chǎn)能規(guī)劃憑經(jīng)驗）等。
- 結(jié)合客戶行業(yè)特性（如離散制造vs流程制造）、企業(yè)規(guī)模（中小型工廠vs集團(tuán)型企業(yè)）及轉(zhuǎn)型階段（從0到1搭建數(shù)字化基礎(chǔ)vs升級現(xiàn)有系統(tǒng)），明確其數(shù)字化轉(zhuǎn)型的優(yōu)先級需求（如先建數(shù)據(jù)采集體系，再做智能分析）。
2.?端到端數(shù)字化方案設(shè)計
- 基于客戶需求，設(shè)計覆蓋“數(shù)據(jù)采集-數(shù)據(jù)治理-數(shù)據(jù)應(yīng)用-業(yè)務(wù)賦能”全鏈條的數(shù)字化轉(zhuǎn)型方案：
- 數(shù)據(jù)層：規(guī)劃設(shè)備數(shù)據(jù)（如PLC、傳感器）、業(yè)務(wù)數(shù)據(jù)（如ERP、MES）的采集方式（IIoT網(wǎng)關(guān)、API對接等），解決“數(shù)據(jù)從哪來”的問題；
- 平臺層：設(shè)計數(shù)據(jù)中臺、工業(yè)互聯(lián)網(wǎng)平臺等架構(gòu)，實現(xiàn)數(shù)據(jù)整合與標(biāo)準(zhǔn)化，解決“數(shù)據(jù)怎么管”的問題；
- 應(yīng)用層：結(jié)合場景設(shè)計數(shù)據(jù)應(yīng)用（如設(shè)備預(yù)測性維護(hù)模型、產(chǎn)能智能排程算法、質(zhì)量異常追溯系統(tǒng)），解決“數(shù)據(jù)怎么用”的問題。
- 方案需包含實施路徑（分階段里程碑）、資源投入（硬件、軟件、人力）及預(yù)期價值（如通過數(shù)據(jù)優(yōu)化排程，使交付周期縮短X%），并匹配客戶預(yù)算與轉(zhuǎn)型節(jié)奏。
3.?方案溝通與價值傳遞
- 向客戶決策層（老板、數(shù)字化負(fù)責(zé)人）傳遞方案的戰(zhàn)略價值，強(qiáng)調(diào)數(shù)字化轉(zhuǎn)型對企業(yè)競爭力的提升（如響應(yīng)市場需求速度、成本控制能力）；向執(zhí)行層（IT團(tuán)隊、生產(chǎn)主管）解釋技術(shù)細(xì)節(jié)（如系統(tǒng)兼容性、操作流程），消除落地顧慮。
- 通過案例佐證（如某同行企業(yè)通過數(shù)字化轉(zhuǎn)型實現(xiàn)庫存周轉(zhuǎn)率提升30%）、數(shù)據(jù)可視化演示（如實時生產(chǎn)看板原型）等方式，讓客戶直觀理解方案效果。
4.?招投標(biāo)與商務(wù)協(xié)同
- 負(fù)責(zé)數(shù)字化轉(zhuǎn)型項目的技術(shù)標(biāo)應(yīng)答，撰寫方案建議書、技術(shù)偏離表等文檔，回應(yīng)客戶對數(shù)據(jù)安全（如工業(yè)數(shù)據(jù)脫敏）、系統(tǒng)擴(kuò)展性（未來接入新工廠）等方面的疑問。
- 配合商務(wù)團(tuán)隊制定報價策略，平衡方案完整性與客戶預(yù)算，推動招投標(biāo)流程落地。
5.?行業(yè)與技術(shù)趨勢跟蹤
- 研究制造業(yè)數(shù)字化轉(zhuǎn)型政策（如國家“數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃”、地方智能制造補(bǔ)貼政策）及行業(yè)標(biāo)桿案例（如海爾COSMOPlat、美的數(shù)字化工廠），提煉可復(fù)用的方案框架。
- 跟蹤前沿技術(shù)在制造業(yè)的應(yīng)用（如數(shù)字孿生、生成式AI在工藝優(yōu)化中的使用），將新技術(shù)融入方案，增強(qiáng)方案競爭力。
二、任職要求
1.?教育背景
- 本科及以上學(xué)歷，計算機(jī)科學(xué)、信息技術(shù)、工業(yè)工程、智能制造等相關(guān)專業(yè)；具備制造業(yè)數(shù)字化轉(zhuǎn)型（如工廠數(shù)據(jù)化改造、工業(yè)軟件實施）經(jīng)驗者優(yōu)先。
2.?工作經(jīng)驗
- 3年以上制造業(yè)數(shù)字化售前或咨詢經(jīng)驗，熟悉至少一個制造細(xì)分領(lǐng)域（如機(jī)械加工、家電、汽車零部件）的業(yè)務(wù)流程（生產(chǎn)、采購、倉儲等）。
- 有主導(dǎo)或參與過制造企業(yè)數(shù)字化轉(zhuǎn)型項目（如數(shù)據(jù)中臺建設(shè)、全流程數(shù)字化改造）售前工作的經(jīng)歷，具備方案成功落地案例者優(yōu)先。
3.?專業(yè)能力
- 數(shù)字化技術(shù)與業(yè)務(wù)融合能力：懂制造企業(yè)運(yùn)營邏輯（如生產(chǎn)計劃排程、設(shè)備管理、成本核算），同時掌握數(shù)字化工具（數(shù)據(jù)中臺、IIoT平臺、BI工具、低代碼開發(fā)等），能將技術(shù)與業(yè)務(wù)場景結(jié)合（如用BI工具解決生產(chǎn)數(shù)據(jù)可視化問題）。
- 方案設(shè)計與表達(dá)能力：擅長從客戶需求提煉核心問題，轉(zhuǎn)化為結(jié)構(gòu)化方案；具備良好的口頭表達(dá)和文檔撰寫能力，能針對不同層級客戶（高管、工程師）調(diào)整溝通重點。
- 數(shù)據(jù)分析思維：能通過數(shù)據(jù)建模（如ROI分析模型）量化方案價值，用數(shù)據(jù)說服客戶（如“投資100萬，3年可節(jié)省成本200萬”）。
4.?職業(yè)素養(yǎng)
- 適應(yīng)高頻出差（深入工廠現(xiàn)場調(diào)研），能承受項目前期長周期跟進(jìn)的壓力，具備較強(qiáng)的邏輯思維和問題解決能力，面對客戶復(fù)雜需求時能快速拆解并給出合理方案，有持續(xù)學(xué)習(xí)意識，主動了解制造業(yè)數(shù)字化新技術(shù)、新場景（如AI質(zhì)檢、智能供應(yīng)鏈）。
5.?加分項
- 持有數(shù)字化轉(zhuǎn)型相關(guān)認(rèn)證（如CDMP數(shù)據(jù)管理專業(yè)認(rèn)證、AWS/Azure云服務(wù)認(rèn)證）。
- 熟悉主流工業(yè)軟件或平臺（如SAP MII、用友數(shù)據(jù)中臺、Power BI、Tableau），具備基礎(chǔ)SQL、Python數(shù)據(jù)分析能力者優(yōu)先。
智能制造數(shù)轉(zhuǎn)售前的核心是“用數(shù)字化思維解決制造企業(yè)的轉(zhuǎn)型痛點”，既要懂技術(shù)落地，更要懂業(yè)務(wù)價值，通過專業(yè)方案幫助客戶明確轉(zhuǎn)型路徑，最終推動項目簽約與落地。