Product Manager · Supply Chain & Procurement

李旺

产品经理 / 供应链 + 采购方向
邮箱15608857450@163.com 电话15608857450 微信Astrophelwang 现居浙江杭州
百万+
服务器维保规模
0%
备件预测准确率
百亿
月度成本核算规模
0+
公共云产品覆盖
01

个人简介

复杂 B 端运营系统的产品经理。4 年深耕 供应链计划 / 履约交付 / 成本管理 / 采购管理 四大领域,主线始终如一:把依赖人工经验、分散、黑盒的运营流程,产品化为系统化、数据驱动、可决策的平台,并以 AI 让其智能化

四大领域端到端

覆盖 MRP 备件计划(百万台维保)、海外物流交付、公共云成本核算(百亿级/月)、供应商寻源 全链路,能深入复杂业务抽象产品方案。

AI 4 Costing × 采购风控

主导 AI 4 Costing 能力矩阵与采购 AI native 风险大图,基于 Qwen 弹内模型 + 内控 skill 工程化落地。

0-1 系统建设

主导多个关键系统从 0 到 1,跨 3-5 个团队协同推进,数据驱动决策,确保业务价值闭环落地。

02

核心技能

产品能力

产品方法
B 端产品规划需求抽象业务流程梳理产品方案设计PRD 撰写
原型设计
SketchAxure
数据分析
SQLPythonODPSBI 工具

业务领域

供应链计划
MRP 运算需求预测备件计划改配排产
履约交付
订单履约提货场景海外物流关务管理
成本管理
实际成本核算标准成本分摊SKU 成本分析
采购管理
供应商全生命周期管理寻源策略询比价合同管理对账结算

AI 应用能力

AI 产品设计
AI 4 Costing 能力矩阵AI native 风险大图AI 分摊 AgentAgentic 化改造
Agent 框架
Qwen 弹内模型 + 内控 skillQwenPawQoder / Qoderwork上下文工程Loop 思维

其他

语言 / 证书
CET6数据库工程师
03

工作经历

杭州阿里云飞天信息技术有限公司 · 资源规划供应及交付平台 · 产品经理
2022.06 — 至今
负责阿里云硬件供应链 4 大产品域建设(供应链利旧计划、部件 MRP、履约交付、海外物流)+ 云采系统 2 大模块(供应商、寻源),覆盖服务器全生命周期管理与采购端到端链路。日常工作主导跨 3-5 个团队协作(业务方、研发、财务、供应链、采购、ODM 等多方),推动需求从抽象到落地。
01供应链利旧计划域系统建设(备件计划 + 服务器改配翻新)
背景

阿里云百万级服务器规模带来巨大维保成本压力,过保服务器利用率低造成资源浪费。原有备件计划依赖人工经验,缺统一的预测、调拨、拆解体系,导致备件缺货与呆滞并存、维保响应慢、过保服务器直接报废。

任务

从 0-1 建设维保计划体系 + 工厂改配计划域产品,覆盖备件与利旧两大场景,将"经验驱动"转为"系统驱动"。

关键行动
  • 备件计划体系:搭建维保需求预测模型、水位动态设置规则、自动调拨策略、拆解备料流程、业务下线机制,覆盖服务器维保全生命周期;基于历史故障率、MTBF 等数据建模,实现备件需求的科学预测
  • 改配翻新计划:构建原料机/拆解机搬迁计划、部件调拨计划、改配排产计划等端到端能力,打通"过保判定→改配指令→排产执行"全链路
  • 跨方协同:主导与维保业务方、研发、供应链计划、ODM 等团队协作,推动业务流程标准化、系统化
结果与影响
  • 支撑百万台级服务器维保体系,备件需求预测准确率由 70% 提升至 89%,保障 NBD 95% 维修满足率达标
  • 改配指令下发由"执行驱动"转为 100%"计划驱动",利旧流程闭环
  • 年均翻新利旧过保服务器 5 万+台,延长资产生命周期,显著降低新采与维保成本
  • 维保计划由人工经验驱动转为数据驱动,支撑阿里云全年规模化维保需求
02部件 MRP 相关系统建设(独立部件需求 + 部件台账)

部件非生产备料需求散落多个系统,额度与消耗责任不清、缺料与呆滞并存。从 0-1 收敛需求并建设部件额度与消耗责任体系,实现精细化进销存管理。

关键行动
  • 独立部件需求及提货:统一收敛三方出入库、部件提货等多场景非生产备料需求,打通 MRP 运算与网络设备、改配、维修、租赁、转售等端到端履约链路;支持灵活提货场景,满足不同业务诉求
  • 部件台账:串联需求、库存、提货、部件计划模块,从 0-1 建设进销存能力;明确各业务泳道的部件额度,呆滞时明确消耗责任,缺料时优先保障关键业务
  • 跨方协同:与业务方、采购、库存、计划团队协作,统一部件额度口径与责任划分规则
结果与影响
  • 实现 MRP 运算与多部件场景的端到端履约,覆盖全量管控部件
  • 缺料场景下明确业务部件额度,避免超额消耗与跨业务挤占
  • 呆滞场景下明确业务部件消耗责任,便于追责与改进
  • 沉淀部件主数据与流水,为后续需求预测、AI 招募等场景提供数据基础
03物流交付域系统建设(海外物流白盒化 + 关务平台)

海外物流节点不透明、信息分散在 ODM/承运商/代理多方,关务管理分散、合规风险高。建设海外物流交付系统 + 关务台账系统,实现交付白盒化与关务合规。

关键行动
  • 海外物流白盒化:构建"标准发货需求 → 计划 → 指令 → 运单 → 物流单"五层模型,串联 PO 下发到现场签收全流程;对接 ODM、承运商、代理多方,实现物流节点记录、状态同步、考核数字化
  • 关务平台:建设支持服务器、网络设备、方舱等设备的关务台账系统;为保税区内设备建立完整的产品档案与流入流出记录;覆盖卡口登记、报关出入关、蓝单维修等业务场景的关务税务管理
  • 跨方协同:与海外业务方、物流团队、关务、合规等团队协作,推动交付流程标准化、合规化
结果与影响
  • 支持阿里云服务器/网络设备海外交付白盒化,覆盖 10+ 海外地区,全链路可追溯
  • 物流节点记录与考核数字化,打通 ODM/承运商/代理多方协同
  • 保税区设备建立完整产品档案与流入流出记录,合规风险显著降低
  • 为物流成本分析与时效优化提供数据基础
04公共云产品成本系统建设(实际成本 + 标准成本 + AI 4 Costing)
背景

成本成为阿里云内部最重要考核指标,每月产品成本达百亿级规模。原有成本核算分散在多个产品线,缺乏统一的从物理资源到产品 SKU 的成本核算链路,难以支撑精细化的产品管理、定价与决策。

任务

打通物理资源成本到产品 SKU 成本链路,建设业财一体的成本作业链路,作为公共云成本官方出口。

关键行动
  • 实际成本 & 经营分析:主导公共云实际成本平台体系建设,覆盖计算、存储、网络、计算平台、数据库、云原生、安全等核心产品线 SKU 效率/成本/收入分析;从资源、生产、售卖多维度分析单位成本变化与业务问题
  • 标准成本 & 销售成本:从 0-1 建设公共云产品标准成本核算系统,提炼成本核算模型并灵活适应各产品线精细化诉求;提供物理资源单价、关键业财效能指标、实际成本效能指标的沉淀和卷积/分摊核算能力
  • AI 4 Costing:主导建设面向成本域的智能分析能力矩阵——自然语言查询(NL2SQL)、成本根因分析、成本异动 AI 分析、数字人成本报告协作,将成本分析从"人工取数"升级为"AI 驱动"
  • 跨方协同:与产研、财务、产品一号位协作,为月度财/管报、产品管理、定价策略调整提供核心数据支撑
结果与影响
  • 支撑每月百亿级产品成本核算,覆盖 200+ 公共云产品,作为公共云成本官方出口
  • 为月度财/管报、产品管理、定价策略、内部结算、大客户折扣制定提供核心数据与平台支撑
  • AI 4 Costing 能力矩阵落地(NL2SQL + 根因分析 + 异动分析 + 数字人成本报告),显著提升成本分析效率与洞察深度
  • 形成"业财一体 + AI 增强"的成本产品范式
05云采系统 — 供应商与寻源模块建设

采购流程分散多个系统,缺统一的供应商全生命周期管理与寻源支撑。负责云采系统供应商、寻源两大核心模块建设,构建采购业务统一底座。

关键行动
  • 供应商模块:建设供应商全生命周期管理能力,覆盖准入、资质审核、绩效评估、分级管理、退出机制等端到端能力;形成供应商画像与分级体系,沉淀供应商主数据
  • 寻源模块:建设从需求收集、寻源策略、询比价、合同到供应商选择的端到端寻源流程;支持多种寻源策略(招标、询比价、单一来源等)灵活配置
  • 跨方协同:与采购业务方、法务、财务、合规、研发等团队协作,统一供应商与寻源流程口径与合规要求
  • 数据底座:沉淀供应商主数据与交易数据,为后续 AI 资质识别、关联关系风险识别等智能化场景提供数据底座
结果与影响
  • 支撑阿里云采购业务的供应商管理与寻源效率显著提升,覆盖 5+ 采购品类
  • 覆盖供应商数千家量级,实现寻源流程线上化、规范化
  • 沉淀完整的供应商主数据,为后续 AI 落地项目提供数据基础
  • 形成可复用的采购业务中台能力
06AI 落地 — 供应商招募提效与 AI native 风险大图
背景

传统供应商招募依赖人工筛选,效率低、周期长、标准不一;关联关系与内控风险(关联交易、利益输送、围标串标等)依赖人工核查,难以系统识别,存在合规隐患。亟需以 AI native 方式重构采购招募与风险防控能力。

任务

主导以 Qwen 弹内模型 + 内控 skill 为底座,落地供应商招募提效与 AI native 风险大图 / 内控风险分析两类能力,从 0-1 完成 AI 在采购场景的工程化落地。

关键行动
  • 供应商招募提效:基于大模型构建供应商招募与资质审核能力
    • 信息自动化抽取:从工商信息、资质材料等多源数据中抽取关键字段,降低人工录入成本
    • 资质智能评估:基于规则 + 大模型构建资质评估模型,自动评估供应商等级与适配度
    • 候选供应商智能推荐:基于业务需求与供应商画像做匹配推荐,将招募审核由"周级人工"升级为"天级自动审核与查看"
  • AI native 风险大图:基于 Qwen 弹内模型 + 内控 skill 构建关联关系与内控风险识别能力
    • 实体抽取:从工商信息、股权结构、合同等多源数据中抽取关键实体与关系
    • 关系图谱构建:构建供应商-股东-法人-子公司等多跳关系图谱
    • 风险识别:识别关联交易、利益输送、围标串标等风险场景,输出风险评分与可解释归因,形成采购风险大图
  • AI 工程化:以上下文工程与 Loop 思维驱动产品设计,沉淀可复用的"模型 + skill"AI 落地方法论
  • 跨方协同:与采购业务方、算法、研发、内控/合规等团队协作,推动 AI 能力业务落地
结果与影响
  • 供应商招募审核周期由"周级"压缩至"天级"自动审核与查看,效率提升数倍
  • 建立 AI native 的采购风险大图与内控风险分析模块,覆盖关联交易、利益输送、围标串标等多维风险,形成系统化风险防控能力
  • 基于 Qwen 弹内模型 + 内控 skill 沉淀可复用 AI 落地方法论,可推广至成本等其他业务域
  • 形成"产品经理主导 AI native 落地"的范例,体现业务 + 技术双轮驱动能力
04

教育经历

华东师范大学
经济与管理学部 · 商业分析 · 硕士研究生 · GPA 3.7/4.0
2019.09 — 2022.06
华东师范大学
经济与管理学部 · 信息管理与信息系统 · 本科 · GPA 3.63/4.0
2015.09 — 2019.06
05

实习经历

励德爱思唯尔(Elsevier)· 临床解决方案 · 产品实习生
用户调研与数据分析、临床决策支持工具功能迭代,独立撰写客户端与后台 User Story
2020.10 — 2021.06