济南电话客服经理
电话客服经理负责领导和管理电话客服团队，确保公司客户在电话沟通中得到高质量的服务体验。他们需要制定和实施电话客服政策、流程和标准，监督团队成员的绩效，并对客服策略进行持续改进。电话客服经理需要具备优秀的沟通和领导能力，能够指导团队成员解决复杂的客户问题，确保客户满意度和忠诚度的提高。此外，他们还需要监控电话客服数据和指标，制定报告并提出改进建议。电话客服经理通常要与其他部门合作，与销售团队协调工作，以确保客户的需求得到及时响应和解决。这个工作需要有组织能力强、决策能力强、适应能力强的人才。
薪酬概览
平均月薪
¥7200
中位数 ¥7500 ｜ 区间 ¥5200 - ¥9200
数据来源：谈职全网14份招聘数据；更新时间：2026年7月13日
月薪分布
71.4% 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
12月新增岗位
10
对比上月：岗位减少32
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 |
|---|---|---|
| 不限经验 | 10 | 100% |
热招职位
1. 主导各类孵育体系与生物基质（包括微粒体、S9、肝细胞、血浆、胆汁、尿液、粪便以及组织）中的代谢产物鉴定，DDI和其他定性分析工作；
2. 根据项目特点和监管机构制定符合关键要求的研究方案及并撰写研究报告。
3. 独立分析生物转化的可能途径、种属间差异等，并制定下一步研究计划。
4. 审核小组研究数据，确保数据的科学性，准确性和完整性。
5. 指导初级研究人员开展相应工作，帮助解决技术问题。
6. 参与跨部门/跨公司会议，与药效、毒理、临床团队等部门协作，为药物研发，项目引进或授权提供技术支持。
7. 关注行业动态，新技术发展，负责新技术平台建设或引进。
1、需求调研与分析：深入挖掘用户潜在需求，精准提炼业务痛点。能够将复杂的业务需求转化为清晰、可实现的功能需求，输出详细、规范的需求规格说明书
2、解决方案设计与定制：具备优秀的解决方案设计能力，能够结合用户业务场景以及技术发展趋势，设计出创新性的解决方案，确保方案可行性与技术先进性，。
3、对设计方案进行成本效益分析，评估技术可行性、实施周期、实施风险与预期收益，为项目决策提供数据支持。
5、项目协作与推进：协同业务经理、交付开发团队，参与项目全流程，把控项目进度，及时解决技术与流程问题，保障项目按时高质量交付。
6、运维与持续改进：项目上线后，负责系统运维与持续改进工作，用户问题解决、需求分析识别，与软件厂商持续开展持续改进提升工作。
7、组织召开项目会议，协调各方资源，及时沟通项目进展与问题，确保项目信息在团队内有效传递。
8、用户沟通与服务：与用户保持密切沟通，提供解决方案、演示方案效果，解答疑问，收集反馈，提供技术支持、培训，提升用户满意度。基于客户反馈，对解决方案进行优化调整，确保方案持续满足用户需求。
1.负责车间质量体系建设与维护，确保生产全过程符合GMP/CGMP法规要求，保障产品质量100%合格。
2.监督生产线操作符合工艺规程与SOP，识别质量隐患，主导质量异常调查与处理。
3.负责GMP文件审核、变更控制、偏差调查、CAPA跟踪及验证报告审核。
4.组织应对国内外官方审计及客户质量审计，协调处理市场质量投诉与不良事件。
5.开展质量培训，培养车间质量人才；支持新产品转移、工艺变更等专项质量工作。
1.生产规划与执行：依据公司战略和生产计划，制定新剂型车间的生产方案，合理调配人力、物力资源，确保新剂型产品按时完成生产任务。同时，密切关注生产进度，及时解决生产过程中的各类问题，保障生产流程顺畅。
2.技术创新与工艺优化：积极参与新剂型的研发转化工作，与研发部门紧密协作，将实验室成果有效转化为规模化生产工艺。持续探索和优化生产工艺，提高产品质量和生产效率，降低生产成本。
3.质量管理：建立并完善新剂型车间的质量管理体系，严格把控产品质量，确保生产全过程符合药品生产质量管理规范（GMP）以及相关法规要求。
4.团队管理：领导和管理车间团队，进行人员培训、绩效考核与激励，提升团队凝聚力和执行力；协调车间内部及与其他部门的沟通协作，保障生产顺利进行。
5.合规管理，文件与记录管理：审核和管理车间生产相关文件，如操作规程、批记录等；确保文件的准确性、完整性和可追溯性，为生产和质量追溯提供依据。
1.负责新产品立项、开发等整体技术规划与实施；主导处方设计、工艺优化、中试放大及技术转移，解决工艺开发中的关键技术问题；确保制剂工艺符合国内外药品注册要求及GMP规范。
2.协助生产解决“卡脖子”难题，助力降本增效、质量提升、工艺技术水平提升、工艺安全等，主导重大变更申报资料的撰写与审核。
3.跟踪行业新技术（如连续制造、纳米制剂、3D打印等），推动创新技术应用。
4.与研究院、生产、质量等部门紧密合作，推动项目全生命周期管理。
1、负责企业内部业务需求转换，将业务痛点转化为可执行的技术方案和产品定义，设计解决方案架构；
2、深度理解用户需求，设计符合用户习惯的智能对话，场景工具的交互流程，优化多轮对话、意图识别、工具推荐等核心功能；
3、协调技术、数据、算法团队，推动RAG、智能体等AI技术在产品功能的落地应用；
4、建立产品跟踪监测体系，通过用户反馈分析持续优化产品指标（如回答准确率、用户留存率）；
5、关注AI智能体领域前沿技术趋势，探索多模态交互、个性化场景工具等创新功能落地；
1、对所负责的药物临床试验项目进行全面的质量监控和管理，包括对项目进展、预算执行的监控；
2、负责临床试验医院的筛选和评估，负责临床试验医院的沟通和协调；
3、跟进临床各个研究的执行情况，发现和处理试验过程中发生的问题和风险；
4、与研究者（PI）、临床试验机构、CRO及其他合作商建立良好的合作关系，做好沟通和协调工作，保证项目顺利实施；
5、根据业务需要组建团队，负责团队成员（监查、项目、医学等）的培训；
6、制定临床项目管理计划，项目合作单位招标计划、负责组织监查、进度跟踪，确保临床试验的质量；
7、协调完成对临床试验项目的内部稽查和质量保证工作；
8、参与公司各类项目申报和其他研发工作；
9、完成公司安排的其他工作。
1. 主导大分子（蛋白、抗体和基因治疗产品）生物分析方法的开发、优化，验证及转移。
2. 根据项目开发需求制定符合监管要求的分析方法开发、验证及项目研究方案等，能预期可能的挑战并制定应对方案。
3. 负责大分子药物的PK、TK，药效，免疫原性及生物标志物的生物分析工作，对遇到的问题进行故障排除，确保研究工作顺利进行。
4. 审核和汇总小组生物研究数据，确保数据科学性，完整性和合规性。
5. 指导初级研究人员开展工作，帮助解决技术问题。
6. 参与跨部门/跨公司会议，与药效、毒理、临床团队等部门协作，为药物研发，项目引进或授权提供技术支持。
7. 关注行业动态，新技术发展，协助新技术平台建设或引进。
1. 主导小分子，蛋白类，核酸类药物LC-MS生物分析方法的开发、优化、验证及转移。
2.根据项目开发需求制定符合监管要求的分析方法开发、验证及项目研究方案等，能预期可能的挑战并制定应对方案。
3. 负责化药，蛋白类和核酸类药物的PK、TK，药效及生物标志物的生物分析工作，对遇到的问题进行故障排除，确保研究工作顺利进行。
4. 审核和汇总小组生物研究数据，确保数据科学性，完整性和合规性。
5. 指导初级研究人员开展工作，帮助解决技术问题。
6. 参与跨部门/跨公司会议，与药效、毒理、临床团队等部门协作，为药物研发，项目引进或授权提供技术支持。
7. 关注行业动态，新技术发展，协助新技术平台建设或引进。
1.负责工艺规程、批生产记录等文件的制定、优化与审核，确保工艺操作标准化。
2.监督生产过程符合工艺要求，开展工艺数据分析，预防与解决技术问题。
3.主导或协助工艺验证、工艺革新与技术转移项目，推进工艺持续改进。
4.参与偏差调查、变更评估，从工艺角度提出改进措施并跟进落实。
5.配合完成新产品导入、工艺优化等专项工作，协助车间工艺培训与人才培养。
1. 根据业务部门需求，完成系统功能设计、开发与测试，确保高质量交付；
2. 参与人力资源系统等核心项目开发，承担关键模块或服务的设计与编码；
3. 负责系统接口设计、数据库建模与性能优化，持续提升系统稳定性与可维护性；
4. 编写开发文档与技术规范，推动团队技术沉淀与标准化建设；
5. 支持前后端协同开发，配合完成中台系统、表单流程的快速构建；
6. 关注主流技术方向，参与微服务架构、DevOps、AI项目等智能化改造工作；
7. 必要时承担项目指导或评审角色，提升团队整体开发效能。
8. 部门内其他工作。
（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。