售后质量专家(FDE)

熟悉售后质量+AI开发落地 【工作职责】 1. 场景识别与需求定义： 基于 RMA 退货、客诉、维修、电商平台评价及 VOC 数据，识别适合 AI 应用的售后质量场景（如故障根因分析、批量风险预警、星级与差评诊断、售后数据分析），明确需求边界与验收标准。 2. 专家经验结构化沉淀：具备方法论提炼与输出能力，将业务经验和最佳实践转化为标准化文档、操作指导或可复用的工作框架，支撑跨团队赋能与推广 3. 验证与上线： 基于真实历史案例建立验收样本集，对比 AI 输出与专家判断，量化准确率并定位偏差原因，据此调整规则；组织业务试运行，收集问题，达标后推动正式上线。 4. 应用成效评估与持续优化： 建立覆盖使用率、结果准确度和业务价值的成效评估机制，基于使用数据与业务反馈持续迭代；对成效不达预期的能力，提出优化或下线建议。 5. 业务协同与改进闭环： 与各事业群、售后团队及研发、生产、供应链质量团队对齐需求和优先级，推动售后失效数据转化为设计优化、制程管控和供应商质量改进措施并验证成效。 【任职要求】 1. 本科及以上学历，质量工程、机械、电子、工业工程等相关专业。 2. 5 年以上消费电子或硬件产品售后质量经验，熟悉客退品处理全流程（外观拆解、电气测量、根因定位、机理验证）及批量失效的早期预警机制，独立主导过问题从数据识别、根因分析、纠正预防措施到验证关闭的完整闭环。 3. 熟练掌握 8D、5Why、鱼骨图、FTA 等根因分析方法，以及 VOC 分析等质量统计方法，能从个案中识别系统性风险，并从售后现象追溯至研发 EVT/DVT/PVT 阶段的测试遗漏、制程管控缺失或物料异常，提供完整证据链。 4. 熟悉主流电商平台的商品星级计算规则、差评定义与整改流程，有协同运营完成差评整改、申诉的经验。 5. 掌握 RMA 退货率、问题闭环率等售后核心指标的定义与分子分母口径，理解不同数据源的字段差异；能借助 Excel、SQL、BI 工具或 AI 工具独立提取并关联分析多源数据，发现口径冲突并向数据团队提出明确需求。 6. 熟悉与研发质量（DQE）、生产质量（PQE）、供应商质量（SQE）团队的协同机制，了解供应商质量索赔流程；能向研发、供应链和管理层清晰汇报分析结论，争取资源并推动整改落地。 7. 在实际工作中使用过大模型工具完成故障分析、数据分析或报告撰写，能判断 AI 输出的可靠性，并将判断依据整理为可执行的规则；能从日常售后工作中识别可自动化的场景。 8. 工作地点在深圳。 【加分项】 1. 参与或主导过看板、自动化分析、质量管理系统等数字化项目，或自行搭建过 AI 工作流。 2. 了解 Agent、RAG、知识图谱等概念及其应用场景。 3. 具备 FMEA、DFR 等设计端质量经验。 4. 具备多品类、多地区的售后质量经验。