职位描述：
一、跨职能沟通能力
1. 双向需求转化：将仓储运营团队的实操问题转化为数据可量化的分析目标，同时向非技术团队解释数据结论的业务影响；能够协同跨部门如采购、物流、生产等多部门的冲突需求，通过历史领料数据+ABC分类法制定分级库存策略。
2. 数据口径标准化：统一跨部门数据定义，建立标准化数据字典，避免因定义模糊导致的分析偏差。
二、端到端数据协同与流程优化能力
1.全链路数据闭环协作：能够从数据挖掘背后问题点并输出优化方案，协同落地并持续监控效果
2. 敏捷响应与动态决策：面对突发情况，快速进行资源整合，并通过共享数据看板同步进度，确保跨部门协作透明化。
三、数据驱动的共识构建与影响力
1. 可视化工具赋能沟通：能通过可视化工具辅助管理者决策；帮助一线人员理解数据与自身关联，提升方案接受度；减少经验主义决策，基于数据共识选择最优解。
2. 数据证据链说服与资源争取：能够通过数据拉动资源，协同内外部资源解决问题。
四、技术团队与业务团队的桥梁作用
1. 精准传导数据需求：能够作为业务代表，向IT团队明确仓储数据分析的技术需求，同时参与数据中台建设，确保字段设计符合业务场景
2. 工具易用性优化协作：推动开发“低代码数据分析工具”，降低仓管员、计划员的使用门槛；针对仓储操作中的数据录入痛点，联合技术团队设计轻量化解决方案。
五、仓储业务痛点的跨部门协同解决能力：
1. 库存管理悖论平衡：调和“高库存保障供应”与“低库存控制成本”的矛盾：联合需求预测团队优化销量模型，推动仓储实施“畅销品前置仓+滞销品集中仓”的分布式库存策略，同时说服财务接受动态安全库存区间。
2. 多场景适配协作：若涉及跨境仓储、不同销售渠道的仓储等特殊场景，需与关务、计调、履约及物流团队对齐数据标准，共同设计符合不同场景下的运营特性的分析指标。
六、知识沉淀与团队赋能能力
1. 经验数据化与模板复用：将资深仓管员的“波次拣货经验”转化为数据规则（如订单峰值时段的波次划分逻辑），形成可复用的分析模板或算法模型，提升团队整体决策效率。
2. 跨层级培训与认知对齐：为基层员工提供“基础数据分析培训”，使其理解操作数据与KPI的关联；向高层输出“仓储数据战略规划”，推动数据驱动文化在组织内落地。
任职要求：
1、教育背景：本科及以上学历，物流管理、供应链管理、数据分析等相关专业优先。
2、工作经验：8年以上仓储管理或供应链相关工作经验。具备跨部门沟通协调经验。