运筹优化算法工程师

优缺点分析

角色解读

• 向高级算法专家或算法架构师发展，深入供应链运筹优化领域
• 可转型为供应链业务专家，结合算法与行业洞察
• 管理方向：带领算法团队，主导大型项目
• 负责供应链核心业务场景（需求预测、库存优化、仓配调度、路径规划）的算法研发与生产落地
• 基于时序机器学习（Prophet/LSTM等）和运筹优化技术（整数规划、启发式算法）搭建销量预测、库存调拨、车辆配载等模型
• 对接订单、库存等业务数据完成特征工程与模型训练，并将算法工程化封装为在线服务，嵌入OMS/WMS/TMS等内部系统
• 联动产品、交付团队将业务需求转化为数学模型，沉淀通用算法组件与行业实践
• 精通Python及主流数据分析/机器学习库，熟练使用时序预测模型和传统机器学习算法
• 掌握运筹优化基础，能使用OR-Tools/Gurobi等求解器解决整数规划、路径优化等问题
• 熟练SQL，具备业务数据提取、清洗、分析能力，了解模型工程化与API部署
• 具备业务建模思维，能跨团队沟通协作，推动算法落地

申请策略

• 在简历和面试中强调对物流供应链领域的兴趣和理解，展示对降本提效指标的关注
• 提前了解顺丰在供应链智能化方面的布局（如顺丰科技），在面试中体现与公司方向的契合
• 突出供应链或物流相关的算法项目经验，特别是需求预测、库存优化、路径规划等落地案例
• 强调运筹优化和时序模型的实际应用，包括使用的求解器、模型效果和业务收益
• 展示工程化能力：如何将算法封装为服务、部署上线、性能调优
• 提及跨团队协作经验，体现业务理解和沟通能力
• 深入学习OR-Tools或Gurobi的高级用法，掌握常见运筹问题建模技巧
• 补充供应链经典模型（如EOQ、安全库存、VRP）原理

面试指南

• 使用STAR方法（情境-任务-行动-结果）结构化回答，突出从业务理解到模型落地再到效果评估的完整闭环
• 先澄清业务目标，再选择合适的技术方案，强调权衡与取舍，最后量化结果
• 展示调试和迭代思维，说明如何通过数据监控、模型重新训练来应对变化
• 请介绍一个你负责的需求预测项目，用了什么模型，如何评估效果？
• 如何对车辆路径优化问题进行数学建模？你常用哪种求解器？为什么？
• 模型上线后发现效果变差（模型漂移），你会如何排查与迭代？
• 面对成本最低和服务水平最高两个目标冲突时，你怎么处理多目标优化？
• 如何将一个模糊的业务需求转化为可求解的数学模型？请举例