薪酬概览
平均月薪
¥4700
中位数 ¥0 | 区间 ¥4100 - ¥5300
数据来源:样本数量过少,仅供参考;更新时间:2026年7月13日
月薪分布
100% 人群薪酬落在 0-8k

三大影响薪酬的核心维度
影响薪资的核心维度1:工作年限
影响薪资的核心维度2:学历背景
市场需求
5月新增岗位
3
对比上月:岗位新增1
数据由各大平台公开数据统计分析而来,仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 3 | 100% |
热招职位
1、负责仓储物流相关合同签署、单据制作整理、款项支付;
2、负责委外业务库存检查、收货扣料等ERP数据整理录入;
3、负责库存数据定期核对梳理、账实差异分析;
4、负责仓储物流相关费用定期统计分析;
5、负责供应链相关信息系统(ERP\WMS)功能测试及操作文档输出;
1、网络路由规划:基于开城覆盖及业务发展节奏,设计最优中心仓大网网络,通过对仓网结构设计和调拨频次研究,提升整体物流率约能力降低物流成本;
2、仓库布局规划:城市仓仓内品类及动线规划,建立评估仓容规划的标准模型和方法论,建立开搬扩策略运营流程,协同内外部完成计划制定,提升仓内综合运营效率;
3、系统流程规划:基于业务发展需要,设计物流系统规划方法及流程标准并不断升级迭代,包括项目进度、资源分配、风险评估,物流系统进行测试和验收,确保系统功能和性能符合需求;
4、物流计划:商家商品的采购入库计划、物流产能计划协同,商品库存健康监控和协同,提升商流与物流资源匹配的健康度。
5、物流仓配服务商寻源:仓库及3PL服务商寻源,结合业务开城需求,寻找符合业务画像的服务商,不断调整服务商结构,迭代寻源流程。
1.负责全国物流网络规划和场地布局规划,通过更优的网络结构和更好的库内规划支持物流成本、时效、品质等运营结果达成。
2.带领团队完成开搬扩的规划与实施需求,并不断提升效率和交付结果。
3.基于SKU特性设计差异化分仓策略,优化库存分布与周转效率。
4.能根据业务发展前置探索仓储技术前沿并推动试点落地。
1、项目物流工作推进前,根据项目实际及合同等,对供应商开展项目执行相关培训,监督执行绩效,参与后评估。
2、海运执行,包括但不限于:订舱、集港、装船、在途监控、靠泊、卸货、与属地港口运输及工程建设团队沟通协调等工作,确保及时交付。
3、发运后相关事宜处理工作,如对账与结算、信用证交单、退税所需海运单据提供等。
4、海运合同争议或问题解决,如NCR、索赔与反索赔等。
5、循环支架海运,其他循环工装或设备的运输。
6、作业全过程文件与数据的管理,对海运体系、招采、关务等提出优化建议。
7、海运业务日常的其他工作。
1. 业务方案设计与落地 深入理解 Keemart 海外零售采购、供应商结算等核心业务场景,结合当地会计准则、税务合规要求及风险管控目标,独立制定并推动落地供应商货款结算、发票管理、对账核算等财务解决方案。
2. 财务信息化建设 结合对业务流程与财务系统的深入理解,与产品、研发团队协作推进财务信息化建设,包括对账工作台搭建、采购结算线上化、业财数据自动校验、系统优化升级等;积极探索 AI 在方案设计与运营提效中的落地应用。
3. 风险管控 识别并分析海外业务中的财务风险点(如发票合规风险、货款挂账风险、汇率结算风险等),制定风险防控方案并持续优化,确保资金安全与合规经营。
4. 日常运营管理 负责 Keemart 海外供应商结算的日常运营管理,协调内部财务、采购、产研及外部供应商、金融机构等多方资源,推动对账、结算、付款等关键节点高效运转;探索 AI 工具在运营场景中的规模化应用。
5. 跨文化与跨境协作 对接海外供应商及本地合规要求,处理多币种结算、跨境税务、本地发票规范等复杂场景,具备跨文化沟通与协作能力。
6. 行业对标与创新 持续关注海外零售供应链金融及财务运营领域的行业动态,发掘可复用的创新模式,推动最佳实践在 Keemart 各海外业务线的落地推广。
1. 销售目标管理:对销售团队业务目标进行拆解,梳理并定义影响销售团队达成目标的关键销售指标,建立目标管理指标体系,通过高效的数据工具和组织机制管理销售团队日/周/月维度销售目标。
2.制定销售策略:通过经营分析及探查,识别业务增长机会,制定销售策略及前线执行路径。
3.项目管理:以项目管理方式,保障业务关键目标及策略可有效落地执行,分析并敏捷判断销售团队目标达成的可行性及风险,充分调动策略、产品等各团队资源,驱动销售团队达成业务目标。
4.效率优化:了解销售团队BD“找约谈签上运”全流程和作业痛点,推动产研团队搭建销售工具,建立标准化运营流程,提高团队运营效率。
1. 负责AI Agent产品的规划、设计与迭代,深入理解用户需求并转化为产品方案。
2. 负责深入理解企业用户的现有业务流程及痛点,能够结合AI产品给出解决方案。
3. 协调研发、算法、运营等团队,推动产品从概念到上线的全流程落地。
4. 跟踪行业动态和技术发展,持续优化产品功能与用户体验。
5. 制定产品数据指标,分析用户行为与业务数据,驱动产品决策与增长。
1、负责零售 SaaS 底层通用能力的产品策略与建设,统筹组织、租户、账号、权限等核心体系的架构演进。不止于承接单点需求,更要从分散的业务诉求中抽象出可复用的通用框架,推动基建能力的体系化沉淀,为 SaaS 产品底层的扩展性、通用性负责。
2、持续优化组织结构、租户、账号、权限体系的产品架构,在稳定支撑数千商家基座的前提下,推动产品的模块化、组件化,提升对多业务场景的适配性,为底层的灵活性与稳定性负责。
3、搭建帮助中心、消息中心、任务中心、管理模式等底层框架,支持上层业务基于框架自助扩展能力,提升客户体验与信息触达效率。
1. 负责餐饮SaaS行业的市场研究与竞争分析,输出高质量的行业洞察报告。构建并优化行业指标体系,监控关键业务与市场动态,识别潜在机会与风险。
2. 参与制定业务长期发展计划,包括产品线扩展、市场拓展和业务转型等,支持产品、战略及业务团队,通过数据分析驱动业务决策与增长策略制定。
3. 探索AI技术发展趋势与动态,以AI为核心研究工具链完成行业动态输出(大模型辅助扫描、AI信息聚合+人工判断验证、LLM结构化案例库建设),定期输出含AI工具、支付、金融等前沿领域的深度洞察,推动商业分析模型在餐饮场景中的创新应用,为业务决策提供战略视角支撑。
4. 参与活跃用户、支付流水、外部合作渠道等经营分析体系的搭建与监控看板建设。将AI工具深度嵌入分析全链路:SQL取数→AI辅助模式识别→多维度推演→可视化呈现。
组织设计与效率优化:承接事业群战略,调研组织现状,诊断架构与职责问题,制定精简高效的组织优化方案,推动落地以支撑降本目标;完善跨部门协作流程,跟踪运行效果并持续优化。
人才结构优化与盘点:牵头年度人才盘点,搭建适配的盘点体系(含能力、绩效、潜力评估),组织实施盘点全流程,输出人才地图与报告;识别核心 / 高潜 / 待优化人才,针对性制定保留、培养或优化方案,优化人才结构。
人才发展体系落地:结合盘点结果与战略需求,搭建并落地事业群人才发展体系(职业通道、继任者计划、人才梯队),保障关键岗位供给;协同培训、薪酬模块,将人才管理与激励、晋升挂钩,提升人效。
人力资源落地支撑:推动人力资源各项政策在事业群落地,沉淀组织设计与人才管理方法论,引入行业先进工具,助力降本增效与战略达成。
劳动纠纷与风险管控:处理事业群内劳动纠纷,梳理用工风险点,制定防范措施;协助完善员工关系制度,保障用工合规,降低劳动争议发生率。
团队培养赋能:针对事业群团队需求,设计并组织 HR 专业能力培训(如组织诊断、人才盘点工具使用);赋能业务部门管理者,提升其人才管理与团队建设能力。
业务深度理解与协同:深入调研事业群业务模式、核心流程与战略目标,将业务需求融入组织设计、人才管理方案;定期与业务团队沟通,确保 HR 工作精准支撑业务发展。
1. 推进供应链 AI 应用方案落地实施
依据供应链数字化开发团队和 AI 开发部门输出的 AI 应用设计方案,完成需求细化、系统集成、环境配置、联调测试及上线交付,保障 AI 能力按既定计划投入业务使用。
2. 负责供应链 AI 工具日常运维与持续优化
承担 Skill Agent 的运行监控、日志分析、性能监控与告警配置、提示词(Prompt)调优、知识库维护、权限管理及故障处置;基于使用数据与用户反馈,开展轻量级功能优化与规则迭代。
3. 开展轻量级开发与一线技术支持
运用 Python、SQL 等工具完成数据预处理、API 对接、自动化报表生成等开发任务;为供应链相关岗位用户提供操作培训、使用指导及问题响应,提升工具应用效能。
4. 协同跨部门完成技术对接与集成
理解供应链业务逻辑与核心系统数据结构及接口规范,准确传递业务约束与集成需求;与 AI 开发工程师、业务系统开发工程师协作,明确接口定义、数据映射关系、测试验证标准及上线协同机制。
5. 组织 AI 工具推广与应用能力建设
制定分角色、分场景的推广计划与标准化培训材料,组织开展实操培训与应用辅导;建立用户反馈收集与分析机制,支撑 AI 应用持续改进。
6. 负责 AI 应用数据安全与合规管理
确保 AI 工具数据处理符合公司信息安全规范,敏感数据脱敏处理,API 凭证安全管理,操作日志审计追踪;配合 IT 安全部门完成安全评估与合规检查。
1、主导多模态大模型(eg: deepseek、lama、qwen)的工程化落地,设计数据清洗-训练-推理全链路优化方案;
2、构建可复用的工程模块(如自动标注系统、场景仿真工具、测评平台),支持算法快速迭代;
3、攻坚大模型系统优化技术(模型压缩、硬件加速),让大模型能顺利落地各个业务场景;
