Ang Pfizer ay isang pandaigdigang kompanyang parmasyutiko na nakatuon sa pagbuo at pagbibigay ng mga gamot at serbisyong pangkalusugan na sumusuporta sa kalusugan sa buong buhay. Saklaw ng gawain nito ang makabagong siyentipikong pananaliksik at pag-access sa ligtas, epektibo, at abot-kayang mga paggamot, na may partikular na pagtutuon sa pagsusulong ng mga terapiya para sa kanser at iba pang malulubhang kondisyon sa kalusugan. Maaaring maging may kaugnayan ang profile ng kompanya sa mga propesyonal na nagsasaliksik ng mga karera sa pananaliksik sa parmasyutiko, pangangalagang pangkalusugan, at mga kaugnay na tungkuling komersyal.
Senior na Tagapamahala ng AI at Analytics sa Supply Chain
Pangunahan ang mga inisyatiba sa analytics at AI sa buong logistics network ng Pfizer sa Hilagang Amerika, gamit ang mga prediktibong insight at tool sa suporta sa pagpapasya para sa mga operasyon ng supply chain. Makipagtulungan sa mga pangkat ng logistics upang mapahusay ang paggamit at performance ng negosyo.
Paglalarawan
- Itakda at isakatuparan ang roadmap ng analytics at AI para sa logistics, alinsunod sa pandaigdigang digital strategy ng Pfizer.
- Gawing scalable na mga modelo ng data, semantic layer, at dataset na handa para sa AI ang mga pangangailangan ng negosyo.
- Tukuyin at pangunahan ang mga paraan para umusad mula sa descriptive analytics patungo sa mga pagpapasyang suportado ng AI na predictive, prescriptive, at agentic.
- Itaguyod ang decision intelligence na pinapagana ng AI sa supply chain, logistics, at customer service.
- Gumawa ng mga interactive na dashboard at tool na sumusuporta sa mga operasyonal na pagpapasya.
- Isama ang mga prediktibong insight at rekomendasyon ng AI sa mga dashboard at pamantayang gawain.
- Palawakin ang self-service analytics at mga AI copilot upang mabawasan ang manwal at minsanang pag-uulat.
- Pagandahin ang mga business review sa pamamagitan ng mga simulation ng sitwasyon at pagsusuring nakatuon sa hinaharap.
- Maging pangunahing katuwang sa analytics at AI ng mga pangkat ng logistics sa warehousing, transportasyon, pagpaplano ng demand at imbentaryo, at third-party logistics.
- Gamitin ang malawak na kaalaman sa logistics ng Hilagang Amerika upang tukuyin ang mga problema at unahin ang mahahalagang use case.
- Bumuo ng agenda na nag-uugnay sa performance ng network, gastos sa paghahatid ng serbisyo, at mga resulta ng serbisyo.
- Pangunahan ang paglulunsad ng mga solusyon sa analytics at AI sa buong logistics network ng Hilagang Amerika.
- Tiyaking madaling gamitin ang mga solusyon, bahagi ng pamantayang gawain, at kaugnay ng mga resultang nasusukat sa negosyo.
- Pangunahan ang mga pagsisikap sa pagbabago at paggamit upang pagkatiwalaan at gamitin ng mga pangkat ang mga tool.
- Panatilihing tumpak, pare-pareho, at madaling ma-access ang data.
- Sundin ang mga pamantayan ng enterprise para sa pamamahala at pag-catalog ng data.
- Isulong ang responsableng AI sa pamamagitan ng transparency ng data, mga modelong naipapaliwanag, at pagsubaybay sa panganib at bias.
- Magtrabaho nang nakapag-iisa sa mga komplikado at malabong problema, at gumabay o mamuno sa mga proyektong cross-functional na katamtaman ang pagiging komplikado.
Mga Kinakailangan
- Matugunan ang isa sa mga sumusunod na kumbinasyon ng edukasyon at karanasan: bachelor's degree at hindi bababa sa 4 na taong karanasan; master's degree at hindi bababa sa 2 taon; PhD at 0 taon o higit pa; associate degree at 8 taon; o high school diploma o katumbas at 10 taong kaugnay na karanasan.
- Aktuwal na karanasan sa logistics na sumasaklaw sa warehousing at distribution, transportasyon at freight, pagpaplano ng demand at imbentaryo, at pamamahala ng third-party logistics.
- Karanasan sa inilapat na AI o analytics, kabilang ang personal na pagbuo at paghahatid ng mga solusyon.
- Napatunayang karanasan sa paghahatid ng mga solusyong ginagamit sa produksyon, gaya ng predictive o machine learning model, generative AI model, copilot, o agent na ginagamit ng pangkat ng negosyo.
- Karanasan sa paghahatid ng mga dashboard o tool sa suporta sa pagpapasya na ginagamit na sa pamantayang gawain at may nasusukat na epekto.
- Mahuhusay na kasanayan sa data analytics at engineering, kabilang ang SQL; mas gusto ang Python o R.
- Praktikal na karanasan sa mga makabagong business intelligence, paghahanda ng data, at mga tool sa platform ng data.
- Karanasan sa machine learning o predictive modeling at mga paraan ng scenario modeling o optimization.
- Kakayahang mamuno sa business transformation na pinapagana ng AI at sa pag-aampon nito kasama ang mga stakeholder na hindi teknikal.
- Mahuhusay na kasanayan sa komunikasyon, presentasyon, at pakikipag-ugnayan sa mga stakeholder mula sa mga pangkat ng negosyo at teknikal.
- Mahusay sa pasalita at pasulat na English.
- Nakatira sa Estados Unidos, kayang magtrabaho sa hybrid na iskedyul at bumiyahe kung kinakailangan ng negosyo.
- May permanenteng pahintulot na magtrabaho sa U.S.; walang visa sponsorship na maibibigay.
- Mas gusto: karanasan sa pharmaceutical o ibang industriyang mahigpit ang regulasyon.
- Mas gusto: karanasan sa mga operasyon ng logistics sa maraming lokasyon sa Hilagang Amerika o sa buong mundo.
- Mas gusto: karanasan sa mga enterprise resource planning system gaya ng SAP at integrated business planning.
- Mas gusto: karanasan sa mga agentic o autonomous na solusyon sa suporta sa pagpapasya at self-service analytics.
Mga Benepisyo
- Global Performance Plan na may target na bonus na 12.5% ng batayang sahod.
- Pangmatagalang programang insentibo na nakabatay sa shares.
- 401(k) plan na may katugmang kontribusyon mula sa Pfizer.
- Karagdagang kontribusyon ng Pfizer sa ipon para sa pagreretiro.
- Bayad na bakasyon, mga holiday, at personal na araw ng pahinga.
- Bayad na leave para sa tagapag-alaga, magulang, at medikal na pangangailangan.
- Saklaw na medikal, inireresetang gamot, dental, at paningin.
- Maaaring may tulong sa relokasyon depende sa pangangailangan ng negosyo at pagiging kwalipikado.