济南办事处总经理
办事处总经理是一个高级管理职位，通常负责管理和监督公司在特定地区的办事处的运营。这个职位需要具备卓越的领导能力和战略思维，以确保办事处的目标与公司整体战略一致。办事处总经理通常负责制定和执行相关地区的业务发展计划、预算和目标，同时监督员工的工作表现，制定政策并维护企业形象。此外，办事处总经理也需要与客户、供应商、政府部门和其他利益相关者进行沟通和协调，以确保公司在当地的利益得到保护和促进。这是一个需要卓越领导和沟通能力的职位，对企业的发展和利益至关重要。
薪酬概览
平均月薪
¥26900
中位数 ¥22500 ｜ 区间 ¥20300 - ¥33500
数据来源：谈职全网10份招聘数据；更新时间：2026年7月13日
月薪分布
40% 人群薪酬落在 >30k
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
14
对比上月：岗位新增9
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 | 8 | 80% |
| >10年 | 2 | 20% |
热招职位
1. 目标制定：负责制定并执行所辖区域的企业年金业务拓展战略、年度计划及销售目标。
2. 团队建设：负责企业年金业务团队的组建、培训、日常管理与绩效考核，打造专业、高效、富有战斗力的精英团队。
3. 市场开拓：主导开发大型央国企集团客户、上市公司、优质企事业单位等目标客户，建立并维护长期稳定的客户关系。
4. 项目运作：主导或深度参与重大企业年金项目的投标、方案设计、商务谈判与合同签订全流程。
5. 专业支持：协同公司内产品、运营、投资、合规等部门，为客户提供定制化的企业年金方案及专业咨询，确保项目高效落地与优质服务。
6. 风险管理：确保团队业务开展符合国家法律法规及公司合规风控要求，把控业务风险。
（一）项目管理。结合药企生产运营需求（如生产调度、质量控制、设备运维等）主导AI相关项目（智能体、垂类模型、机器人应用、数据治理等）的立项技术分析、实施执行及验收全流程管理，对项目进度、质量负责。
（二）AI应用落地与优化
1. 聚焦制药生产运营板块，主导AI智能体应用落地，推动智能体在生产调度、异常预警、流程自动化等场景的部署与优化，提升生产运营的智能化、自动化水平，降低人工干预成本。
2. 牵头制药行业垂类AI模型开发与迭代，结合生产工艺、质量检测、设备运维等核心需求，主导模型需求梳理、数据标注、训练优化、部署上线及效果验证，确保模型适配制药行业场景，满足GMP数据追溯、合规管控要求。
3. 统筹工业机器人（如生产巡检机器人、物料搬运机器人等）在制药生产环节的应用规划、实施与运维管理，推动机器人与AI技术融合，优化生产流程，提升生产效率与操作规范性。
4. 跟踪AI应用效果，梳理应用过程中的痛点与不足，主导技术优化与迭代升级，持续提升AI应用的稳定性、实用性及合规性，最大化AI技术对生产运营的赋能价值。
（三）数据治理与数据安全。
1. 主导制药生产运营板块AI应用相关数据治理工作，建立健全数据标准、数据质量管控体系，统筹数据采集、清洗、转换、标注、存储及归档全流程管理，确保数据的准确性、完整性、一致性及时效性。
2. 牵头数据治理项目落地，协调跨部门梳理数据需求、解决数据孤岛问题，推动生产、质量、设备等核心业务数据的整合与共享，提升数据资产价值，支撑AI应用深度落地。并兼顾数据安全。
（四）团队与供应商管理。负责对接各子公司的AI应用团队，提升团队AI专业能力、数据治理能力（数据标准、数据质量管控等）。统筹AI及数据治理相关供应商的筛选、评估、合作管理，确保供应商服务符合项目需求及合规要求。
（五）跨部门协同与技术创新。协同生产、质量、设备、IT等跨部门，对接各部门AI应用及数据治理需求，制定方案解决生产运营过程中与AI应用、数据治理相关的技术难题，提升跨部门协作效率。跟踪AI领域、数据治理领域前沿技术转化、应用、落地。
（一）项目管理
1. 结合制药生产工艺需求与GMP合规要求，主导SCADA、DCS、Batch系统相关项目的立项技术分析、实施落地及验收全流程管理，对项目进度、质量负责。
2. 驱动各公司自控团队，发展系统的智能制造应用，包括Batch的深度应用，PI系统的数据治理，机器人的场景识别与应用等。
3. 主导自控系统接口集成项目，统筹解决不同系统间的协议兼容、数据互通等核心问题，提供技术支撑与指导。
（二）系统运维与合规管理
1. 熟悉各种药厂设备自控系统，负责SCADA、DCS、Batch等自控系统的全生命周期运维管理，建立标准化运维体系，带领运维团队开展日常运维工作，降低系统停机率，满足药厂连续生产需求。
2. 严格遵循GMP法规及行业标准，熟悉自控系统相关的验证工作，保障系统合规以及数据完整性，可以应对监管部门检查。
3. 负责自控系统网络安全与稳定管理，具备基础工业网络概念，统筹工业网络的规划、配置与维护，防范网络安全风险。
（三）跨系统对接与协同。主导自控系统与信息系统（重点是MES制造执行系统）的对接工作，负责接口方案设计，实现双向互通，支撑生产精细化管理与数据追溯。协同对接各部门需求，制定方案，解决技术难题，提升生产效率与产品质量。
（四）团队与供应商管理。在事业部层面，带领子公司的自控团队，提升团队专业能力（SCADA/DCS/Batch应用、运维、集成等）与GMP合规意识，打造高效、专业的技术团队。统筹自控系统相关供应商的筛选、评估、合作管理，协调供应商提供技术支持。
（五）技术创新与优化。跟踪自控领域前沿技术（如工业物联网、OPC UA协议应用等）及行业发展趋势，结合药厂生产需求与GMP要求，梳理自控系统运行痛点，主导技术改进项目，系统性拓展药厂的智能智造，识别、上线协同机器人的应用，并完成必要的接口集成，提升系统智能化水平与运行效率。
1. 负责临床药理学相关数据统计与数据分析，包括PK、PK/PD和量效关系建模模拟分析；按要求撰写相应的临床统计分析报告；
2. 根据临床前信息（药代、药效等）对FIH剂量进行预测，配合医学等同事高效设计合理的I期试验，对临床试验方案中临床药理部分提供合理建议；
3. 从临床药理角度充分解读I/Ⅱ/Ⅲ期的安全性、有效性、药代动力学数据，并参加临床研究中相关的讨论会议,为后期试验的设计提供临床药理的支持；
4. 负责收集整理相关文献资料、临床试验药理相关的其他工作及上级领导安排的其他事宜；
1. 带领团队完成创新/改良新生物药的全流程开发，具体包括：靶点分子筛选与验证、候选分子的结构设计与优化（如抗体人源化、亲和力成熟改造）、候选分子成药性评估（稳定性、免疫原性、PK/PD预测等）、体外药理药效研究（细胞实验、靶点结合活性、功能验证等）。
2. 指导团队建立和完善创新/改良新生物药开发的关键技术平台建设，如噬菌体展示、单B细胞技术、AI辅助抗体发现和设计等。
3. 根据集团的战略布局及行业动态，挖掘肿瘤、自免、代谢或心血管系统等领域的潜力靶点，开展创新/改良新生物药的立项开发工作。
4. 带领团队，统筹药物发现阶段实验设计和数据分析，协调CMC、临床前团队推进候选药物进入IND申报阶段。
负责大分子生物药国际专利工作
1.负责国际注册项目专利策略的制定、问题处理及诉讼解决
2.负责对接欧美律所，并能够独立判断律师策略的准确性
3.为欧美外贸做好服务，包括客户问题回复，合同审核等
1、 与研发人员进行技术沟通，挖掘评估可专利的技术方案，协助辅导技术人员撰写技术交底书；
2、 独立撰写专利申请文本、答复国内外审查意见；
3、 与代理人对接沟通，补充审核修订代理人撰写专利申请文本、审查意见答复稿件；
4、 跟踪项目专利信息，定期或不定期反馈项目相关的专利信息，协助或负责推进立项专利分析、专题专利分析、侵权分析等工作，与技术人员沟通提供规避建议或解决方案；
5、 不定期组织专利专题、专利复审无效诉讼经典案例分享；
6、 协助知识产权相关项目申报、企业资质申请、知识产权管理等工作；
7、 其他知识产权相关工作。
1.质量监督与检查：对车间生产全过程进行实时质量监督，依据质量标准和操作规程，定期进行现场检查，确保生产活动严格符合药品生产质量管理规范（GMP）及相关法规要求。
2.质量文件管理：参与制定、修订和完善车间质量管理相关文件，确保文件的准确性、完整性和现行有效性。
3.质量数据收集与分析：收集、整理和分析车间生产过程中的质量数据，如产品合格率、不合格品率、质量偏差等，分析挖掘数据背后的质量问题，为质量改进提供数据支持和决策依据。
4.质量问题处理与改进：协同车间生产团队，及时处理生产过程中出现的质量问题，如不合格品处置、质量偏差调查等。
5.质量培训与沟通：协助车间开展质量培训工作，提高员工的质量意识和操作技能，确保员工熟悉质量管理要求和操作规范。与其他部门（如研发、采购、销售等）保持良好的沟通协作，共同解决涉及质量的问题，保障产品质量的稳定性和一致性。
1、负责业务部门对内投资的投前管理相关事项，发掘问题点，提出意见和建议，并协调解决与闭环；
2、负责业务部门对内投资的投中管理相关事项，发掘问题点，提出意见和建议，并协调解决与闭环；
3、负责业务对内投资的投后管理相关事项，发掘问题点，提出意见和建议，并协调解决与闭环；
4、负责评估分析投资情况，输出投资分析报告，并提报至上级投资主管部门；
5、负责评估分析投资相关制度流程合理性，主动协调解决制度流程缺陷或可优化点；
6、完成上级领导交办的其它工作任务。
1、模型开发与迭代：针对培养基优化、细胞培养参数预测、纯化条件推荐、制剂稳定性预测等场景，设计并实现ML模型；负责数据预处理→特征工程→模型选型与训练→交叉验证→超参数调优的全流程；把算法模型封装为内部可用工具。
2、可复用Pipeline建设：编写可复用的ML Pipeline代码，建立模型版本控制与实验追踪机制；
3、模型可解释性：在工艺科学家配合下进行SHAP/LIME等可解释性分析，确保模型输出对工艺人员可理解；
4、工具链与基础设施：搭建和维护团队模型训练与推理环境；开发面向AI Champion的轻量分析工具（Streamlit/Gradio应用），降低AI使用门槛；
5、跨板块技术支持：为AI Champion提供模型使用培训和技术答疑；协助各板块进行数据分析与可视化的quick win项目，快速建立信任；
6、文档与知识沉淀：编写模型开发文档和使用手册，定期组织内部技术分享，维护团队代码仓库和技术Wiki。
7、负责接口开发、可视化后台、实验数据自动导入、SHAP可解释性模块开发、软件开发。
1、结合居民需求、风险评价及意愿，组织实施专业个案或小组活动。
2、召开定期的个案研讨，为居民制定和更新服务方案，协调安排并参与居民的各类评估。
3、协调外部资源，为居民提供社工、法律等方面的服务。
