盒马-供应链运筹算法工程师-上海

优缺点分析

角色解读

• 从算法工程师向资深算法专家发展，深耕供应链运筹优化领域
• 可向算法团队技术管理方向发展，带领团队解决复杂业务问题
• 未来可拓展至其他行业的供应链优化，或走向创业、咨询等方向
• 分析供应链业务问题，如库存优化、仓储物流路径规划，设计运筹优化模型
• 使用Python/Java等编程语言实现优化算法，并集成到生产系统
• 与业务团队和工程团队协作，推动算法方案落地并持续迭代
• 研究运筹优化与机器学习/强化学习的结合，探索前沿算法在供应链中的应用
• 扎实的运筹学基础，熟悉混合整数规划、非线性规划、元启发式算法等
• 熟练的编程能力，至少掌握Python/C++/Java，能够实现复杂算法
• 具备数据分析能力，能从业务数据中发现优化机会
• 良好的沟通协作能力，能够跨团队推进项目

申请策略

• 申请时附上项目作品或GitHub链接，增强说服力
• 在简历中强调业务理解和商业价值创造，而非仅技术细节
• 突出运筹优化项目经验，特别是供应链库存优化、物流调度等实际落地案例
• 强调数学建模能力和算法实现能力，展示可量化的业务成效
• 如有科研论文或竞赛成绩，务必突出
• 强调编程能力，如Python/Java的熟练程度和代码质量
• 可补充强化学习理论知识和应用案例，这是明确加分项
• 提前了解盒马商业模式和零售供应链特点，思考可能的优化场景

面试指南

• 用STAR法则描述项目，强调问题、方案、结果
• 突出建模思路，包括假设、约束、目标函数，以及求解方法的选择和调优
• 说明如何衡量算法效果，用什么指标评估业务价值
• 请描述一次你利用运筹优化解决供应链问题的经历，具体用了什么模型和算法？
• 混合整数规划建模时，如何处理大规模问题？有哪些求解策略？
• 在库存优化中，如何考虑需求不确定性？有没有用过鲁棒优化或随机规划？
• 如何将算法模型落地到实际生产环境？遇到过哪些工程挑战？
• 你如何看待运筹优化与机器学习在供应链中的应用结合？