北京财务核算主管
财务核算主管是负责组织和管理财务核算工作的专业人员。他们需要确保公司的财务活动符合法律法规和内部控制要求。财务核算主管通常负责监督财务报表的准确和及时编制,管理会计凭证和账户的审核与处理,协助制定和实施财务战略计划,分析财务数据和报表,协助预算编制和执行,协调内外部审计工作,并与其他部门合作保证财务管理的高效性和透明度。除了具备扎实的会计、财务和税务知识外,财务核算主管还需要具备良好的沟通能力、团队合作精神和解决问题的能力,以及对细节的高度关注和风险意识。
薪酬概览
平均月薪
¥15300
中位数 ¥12500 | 区间 ¥12500 - ¥18100
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
50% 人群薪酬落在 8-15k

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
6月新增岗位
5
对比上月:岗位减少10
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 |
|---|---|---|
| 3-5年 | 2 | 50% |
| 5-10年 | 2 | 50% |
热招职位
1. 财务分析: 参与项目投资评估、成本费用管控及盈利模型搭建;按期出具多维度的经营分析数据,结合业务特点制定关键业务指标及分析体系。通过日常对业财指标的追踪分析,发现并提示风险和机会点,支持业务决策,提供财务数据洞察和预测;
2. 预算制定:参与年度预算规划工作,结合业务策略制定相应的预算,同时支持业务将预算目标拆解到具体的实施路径并追踪达成;
3. 业务支持:包括支持业务新场景落地,协同财税法提供财务解决方案;熟悉掌握数据口径和计算逻辑,搭建看板进行数据分析;了解行业动态,提供对标分析支持;
4. 与业务团队紧密协作,推动业财一体化落地;
5. 财务流程优化及配合内控风险扫描。
1、打造智能财务体系:主导日常财务运营与创新分析,通过自动化工具和业财联动,保障财务BP工作的高效性与准确性,成为业务团队的“数据大脑”。
2、深度参与业务决策:作为景点游玩业务的核心财务伙伴,积极参与业务策略制定,驱动业务健康增长,在景点游玩业务最前沿发挥财务影响力,助力业务实现也才目标。
3、风险管控先锋:识别业务中的财务风险,设计具有行业特色的风控方案和运营机制,守护业务健康度。
4、拥抱AI,主动探索并推动AI在财务BP场景中的落地应用,并持续识别可通过AI实现提效的工作环节,并形成可复用的内部实践方案,推动团队整体智能化转型。在这里,你需要致力于“让每个人轻松拥有美好旅程”,深入以景区为核心的“吃住行游”一体化,切身体验景区各类产品及营销活动,成为在“景点游玩+财务”交叉领域的专家。你的工作不仅是景点游玩业务发展不可或缺的力量,还将影响千万游客的体验。
1. 从多个角度挖掘探索筹建降本路径,制定前置仓租金年度预算和降本目标,并追踪监控达成情况,及时进行风险预警;
2. 跟进标的二审流程,完善财务审核指标,支持二审决策;
3. 借助AI手段,从多个角度建立财务模型,全面评估租金合理性和业务策略带来的财务影响,并提示风险;
4. 建立行业对标能力,监控行业经营和策略变化,进行策略和成本对标;
5. 熟练使用AI辅助工具,持续优化运营流程,建设系统能力,支持多维度数据分析;
6. 日常流程审批。
1、负责无人车业务资产相关的财务预算、预测和分析等相关财务管理工作,为业务决策提供财务支持。
2、负责资产整个生命周期链路的管理,含业务支持和成本管控。
3、负责资产维修、保养、配置等方面的管理,协助业务提高资产利用效率和运营效率。
3、负责资产处置策略和价格管理,提高资产处置效率和收益。
4、AI工具应用,主动将AI工具融入日常工作,使用Agent优化提效和增加产出,例如:工作流优化、数据处理与分析、报表/看板搭建、测算/分析模型搭建、项目管理、知识库建设。
1.负责小象超市财务数据的收集、整理和分析2.能够针对门店、城市等经营单元的财务及经营表现进行数据整理、异常分析;搭建业务标准化模型,实现业务效率提升,优化盈利表现3.负责与其他部门沟通协调,协助制定财务目标和计划;落实不同策略下的财务建议情况4.积极探索AI工具在营销数据分析和财务建模中的应用,提升分析效率和报告产出质量。
1. 预算制定:参与各品类年度规划工作,结合业务战略为品类制定相应的预算,同时支持业务将预算目标拆解到具体的实施路径并追踪达成。
2. 业绩追踪:整体负责品类线的经营分析,通过日常对业务指标的追踪分析,发现和提示风险和机会点,站在经营的视角通过财务管理驱动业务盈利性增长。
3. 策略评估:通过对品类的深入分析,结合业务模式发掘品类经营的关键驱动因素,持续迭代品类分析框架和评估体系;为业务策略提供论证测算支持,辅助业务制定中短期策略和落地计划。
4. 业务支持:包括支持业务新场景落地,协同财税法提供财务解决方案;熟悉掌握各系统看板的数据口径和计算逻辑,支持业务进行数据分析;了解行业动态,提供对标分析支持等等。
5.AI智能化推动:主动探索AI工具在业绩追踪、品类分析、预算制定等场景中的应用,推动财务分析工作提质增效。
1. 负责美团酒店旅行交通业务的财务BP工作,深入理解业务逻辑,提供财务支持与决策建议。
2. 参与业务预算编制、执行监控及滚动预测,定期输出财务分析报告,识别经营风险与机会。
3. 协同业务团队优化定价策略、成本结构与资源配置,提升业务盈利能力。
4. 建立并完善财务模型,支持新业务探索、项目评估及投资回报分析。
5. 推动财务流程优化与系统建设,提升财务数据准确性与分析效率。
6. 支持财务调研以及行业盈利举措研究。
1.财务管理:完善商品成本管理体系,优化成本分析工具与模型。通过行业调研及标杆对标,沉淀可复用的成本管理方法论与最佳实践,推动管理效能持续提升。
2.财务分析:深入分析经营业绩波动的业务动因,识别关键驱动因素、潜在风险与增长机会,为业务决策提供数据洞察与预警支持。
3.策略闭环:构建从财务分析到业务策略的完整闭环,推动分析结论转化为具体行动建议,并持续跟踪、评估策略执行效果,实现分析价值的落地。
4.AI赋能分析:探索将AI技术融入成本管理与财务分析工作,利用AI工具辅助数据提取、异常识别、策略建议生成,提升分析效率和洞察深度。
1、支持境内酒店的财务BP工作,包含财务流程优化、预算及预测管理、多维度差异分析、风险识别及管理方案落地;
2、与业务部门建立良好合作关系,对业务策略有独立的理解和判断,输出有价值的关键发现和策略建议;
3、深入了解行业动态,不断更新迭代认知,输出行业解读;
4、拥抱AI,主动探索并推动AI在财务BP场景中的落地应用,并持续识别可通过AI实现提效的工作环节,并形成可复用的内部实践方案,推动团队整体智能化转型。
1. 收入核算:核算海外业务销售收入,确保数据及时性与合规性。
2. 经营分析:分析海外业务线的财务数据(收入、成本、毛利率等),提供月度/季度经营分析报告,支持销售、市场等部门的战略决策。
3. 外汇收款:处理跨境收款、外汇核销。
4. 数字化优化:推动财务流程数字化,提升效率与准确性。
5. 应收与库存清理:跟进海外应收账款、成品库存清理,降低资金占用风险。
【课题说明】 在即时配送网络中,骑手定价是平衡运力供给与用户体验的核心动作。传统的定价策略往往难以精确量化价格变动对运力弹性的真实因果效应,且受限于预算约束与复杂的非凸优化目标,难以实现全局最优。本课题聚焦于“因果推断”与“运筹优化”在骑手定价业务中的前沿应用,旨在通过构建高鲁棒性的因果弹性模型,精准衡量定价干预效果,并结合大规模运筹优化技术,在给定预算下生成最优调价方案,最大化用户体验。课题将重点突破观测数据中的隐混淆与溢出效应、携带效应下的推断难题以及非凸场景下的求解效率,并探索LLM在因果建模中的增强作用。【建议研究方向】1. 复杂环境下的因果效应估计与弹性建模:针对骑手定价场景中存在的隐混淆变量(Hidden Confounders)、溢出效应(Spillover Effects)以及携带效应(Carryover Effects)等挑战,研究基于表示学习、工具变量或双重鲁棒(DR)的因果推断算法。探索无偏RCT数据与大规模观测数据的融合训练机制,解决特定Logit先验依赖问题,提升弹性模型在小样本和复杂混淆环境下的泛化能力与准确性。
2. LLM增强因果推断(LLM4Causal): 高价值特征挖掘与标签挖掘(Label Mining) ,针对业务数据中标签稀疏或含噪的问题,利用 LLM 的语义理解能力进行 Label Mining,推断缺失的转化标签或修正错误标签。因果去偏与反事实数据生成,研究利用 LLM 生成反事实样本或辅助识别未观测混淆变量,设计新的因果去偏机制。探索将LLM在因果推理和特征理解上的“大模型”能力,通过模型蒸馏(Model Distillation)技术迁移至轻量级的 Uplift 模型或深度因果网络(如 Dragonnet)中,提升模型能力。
3. 大规模非凸运筹优化求解:基于因果模型输出的弹性预估,研究在预算约束下的复杂定价组合优化问题。重点攻克非凸优化(Non-convex Optimization)目标函数的求解难题,大规模分组背包等NP-Hard问题的近似算法或高效启发式求解策略,以及基于强化学习的序贯决策问题,确保定价策略在工业级时延要求下的实时产出与效果最优。
1、负责小美 Agent 在本地生活场景(吃喝玩乐)的策略迭代:从真实案例归因出发,迭代 prompt、工具定义与交互策略,用评测数据验证收益,推动上线;
2、建设策略迭代的评测体系:把「这个策略好不好」转化为可量化、可回归的测试问题。生产贴近真实用户表达的评测集,搭建自动化评测流程,校准Judge LLM,沉淀可复用的评测资产与离线基线;
3、设计对话式 Agent 的交互体验:消息节奏与文风、多轮对话策略、组件交互、记忆与个性化,从用户真实场景倒推方案,并通过评测闭环验证体验提升;
4、与研发、设计、算法团队紧密协作,完成从需求分析、方案评审到策略迭代、效果评测和产品上线的全流程落地;
5、跟踪海内外 Agent/LLM 产品与技术动态,对外部方案做设计假设拆解(哪些解决真实问题、哪些不适用于自身系统),输出产品洞察。

