职位描述

职位亮点：
直面核心业务挑战：深度解决公司在新品上市、大型节假日等关键场景下的销量预测难题，你的工作将直接优化数百万级的库存成本与千万级的销售机会。
驱动业务真实增长：你构建的不仅是一个模型，更是供应链智能决策的“大脑”，直接赋能“茶汤预估”与“智能订货”两大核心系统，实现从算法指标到业务利润的闭环。
主导端到端项目：从业务理解、特征工程、模型研发，到系统部署、效果评估与持续迭代，你将完整主导预测产品的全生命周期，获得全方位的技术成长与业务影响力。
主要职责：
核心模型研发与优化：
- 负责公司门店级销量预测算法的研发、迭代与维护，重点攻克新品冷启动、节假日及营销活动等复杂场景的预测准确率瓶颈。
- 深入业务，构建与整合多源数据（销售、商品、营销、天气等）特征工程体系。
- 探索并应用前沿的时序预测、机器学习及因果推断模型，持续提升预测效果。
预测系统与产品化落地：
- 负责将算法模型产品化，维护和优化现有的“时序预测公共能力”基座及其服务。
- 与数据开发、后端工程师紧密合作，确保预测数据稳定、高效地服务于下游“生产在线茶汤预估”与“货在线推荐订货”等业务系统。
- 建设并完善预测模型的监控、评估与归因分析体系，快速定位问题。
深度业务协同与赋能：
- 深入理解供应链、运营业务，将业务逻辑与专家知识转化为模型特征与约束。
- 与供应链计划、门店运营等团队紧密沟通，将预测能力转化为可执行的业务建议，共同优化库存周转与产品新鲜度等核心指标。

职位要求

必要条件：
本科及以上学历，计算机、统计、数学等相关专业，3年及以上机器学习/数据挖掘相关工作经验。
扎实的机器学习基础，熟练掌握Python及主流数据分析与机器学习库（如pandas, scikit-learn, XGBoost/LightGBM等）。
在时序预测领域有实际项目经验，熟悉经典时序模型（如Prophet, ARIMA）及机器学习方法，有成功提升预测精度的案例。
具备良好的数据敏感性和逻辑分析能力，能独立完成从数据探查、模型构建到效果评估的全过程。
具备强烈的责任心、出色的沟通能力，以及以业务结果为导向的思维。
优先条件：
有零售、快消、供应链领域销量预测、需求规划等相关项目经验者优先。
有使用深度学习时序模型（如DeepAR, TFT, N-Beats）或大规模时序预测平台经验者优先。
具备良好的工程落地能力，了解基本的软件开发流程与部署（Docker, Git, API开发）者优先。