在頭部保險集團任產品經理是怎樣一種體驗 | CDA持證人專訪

主持人：大家好，我們又見面了，今天CDA持證人專訪我們邀請到楊迅，楊迅目前就職于國內某頭部保險集團任IT產品經理，歡迎楊迅，可以簡單介紹下自己。

楊迅：大家好，我叫楊迅。2020年畢業于北京交通大學，目前我的工作內容主要是負責運營模塊的一些產品設計工作。

問題1

主持人：我們就直接進入今天的采訪主題，可以介紹下這個你在日常工作中負責的是什么類型的產品嗎？

楊迅：我們做的是一款數據倉庫產品，當然行業同類型產品也有叫大數據平臺、數據中臺等名稱的。這些其實是為了強調其產品在技術或業務等方面的特點而起的別名，本質上都是數據倉庫，是一種面向主題的、集成的、相對穩定的、反應歷史變化的數據集合，用于支持管理決策。

在這個基本概念之上，運用一些分布式的技術使其能支持處理的數據量達到一定程度時便是大數據，建設一些通用的上層數據應用便是平臺，能夠在維持底層系統數據穩定的前提下支持前臺靈活多變的業務需求便是中臺，但最本質的東西還是一樣的。

我們因為是內部產品，也沒起什么好聽的名稱，主要是解決我們內部的一些實際問題。將各個業務系統的數據采集到一起，可以進行一些復雜的跨業務跨系統的數據統計工作。同時作為一個數據中樞，提供標準安全的數據接口，有效提高了各業務系統間數據對接的效率。打破系統間的數據煙囪，讓數據充分流動起來后，數據的價值也會得到進一步發揮。

?

問題2?

主持人：這么強大的功能，產品竟然沒有名字，我們暫且就叫數據中臺吧，那么你作為產品經理會數據分析技能，你覺的是屬于“賦能”還是必備呢？

楊迅：產品經理有很多種類型，涉及到的業務種類繁多，數據分析技能的高低也差距很大，所以這個問題通過簡單的二選一來回答恐怕很難準確描述。

我認為從對數據分析技能的要求的視角來看，產品經理可以大概分為三類：普通的?B?端產品、C?端產品、數據產品。

一般的?B?端產品面對的是企業客戶或者就是自己公司內部。然而用戶量有限，一般難以進行有效的用戶行為分析，更高效直接的做法是和一些核心的用戶代表進行深入溝通，了解其業務流程以形成產品解決方案，收集其使用意見來改進和優化產品。這類產品經理對數據分析技能的要求較低，能掌握?Excel?的一些基本使用技巧就夠用了。

第二類是?C?端產品，C?端產品往往用戶范圍較廣，如果不頻繁的進行用戶數據分析，很可能過一段時間連自己的用戶是誰都不知道了。所以對?C?端產品來說，收集用戶的行為數據，進行多維度的數據分析，是了解其用戶群并生成用戶畫像的重要手段。很大一部分產品需求、改進意見也都是基于此得出的。所以這類產品就需要掌握一些較復雜的數據分析方法了，比如趨勢分析、預測、聚類等，工具的話可以用SPSS、Python、R?等。

第三類就是數據產品了。因為這類產品的業務本身就是與數據打交道，所以自然對數據的處理、分析和理解能力要求都相對更高。相比于其他產品經理，數據產品除了需要具備基本的數據分析能力外，還需要對主流的?SQL?或?NoSQL?數據庫的使用有所掌握，對常見的大數據平臺架構及其原理有所了解。如果把數據比做魚，把數據分析能力比做捕魚能力的話，數據產品經理在做的事情可能更像是制作漁網或魚竿。

至于說是賦能還是必備，如果按咱?CDA?的能力級別作為參考標準的話，

我認為對于普通?B?端產品來說，Level 1中有大概一半的內容屬于必備，其它的內容屬于賦能；

對于?C?端產品來說，Level 1?全部屬于必備，往上了屬于賦能；

對于數據產品來說，Level 1?全部以及?Level 2?中部分內容屬于必備，其它屬于賦能。

當然我這樣粗略的將產品經理分為三大類肯定也存在很多不嚴謹的地方，也不排除一些特殊情況對數據分析能力有著更高的要求。以上只是基于我的了解進行的一個大概的歸納，謹供大家批判和參考。

?

主持人：那我是不是可以這么理解，就是CDA Level 1是一個數據分析師的必備技能了。

楊迅：基本上可以這么理解。

?

問題3

主持人：作為產品崗位平時工作中用到的數據分析方法有哪些？需要借助哪些工具？

楊迅：因為不是專業的數據分析崗位，所以平時工作中偶爾進行的一些數據相關工作主要還是服務于產品設計的。

在數倉建設過程中，需要頻繁使用各種數據庫，以了解數據源的結構和形態，需要運用維度建模的技術對各主題數據進行分類和管理；

在搭建運營模塊的指標體系的過程中，需要運用數據展現技術，熟悉各種類型圖表的特點和適用場景，設計富有邏輯的指標組合，選擇合適的數據展現形式，最終將結果呈現在數據儀表盤上，以支持管理決策。

最常用到的工具還是?Excel，偶爾也會用到?Python?或?spss?進行一些簡單的數據處理或較復雜的統計圖表的呈現。

?

問題4

主持人：之前關于保險行業給我的感覺是在大街上發傳單，大家見了都是躲著走，發傳單這種現在基本上看不到，我們的業務是發生了變化嗎？是什么原因做出了這樣的變化？

楊迅：其實國內的保險業是從上世紀90年代左右逐漸活躍起來的，從那時候開始逐步走進大眾的視野。包括我們公司在內的很多保險公司都是那段時間成立的。剛開始嘛，也沒有沉淀下來什么好的經驗和方法，那就是把保險當做普通商品一樣無差別推銷，這樣就很難準確的匹配到用戶的真實需求。再者大部分人對保險也缺乏了解，只是讓我交錢，沒有讓我感覺到我實際得到了什么，所以容易產生保險是騙錢的錯覺。我覺的這就是您剛剛說的那種對保險業固有印象產生的原因。

接下來說一下變化，隨著二三十年的發展，越來越多的人更加了解保險，保險其實跟普通的消費性商品不一樣，保險的本質是一種用于管理風險的金融工具。不同于普通商品的買或不買是取決于你是否喜歡，保險的買或不買更多的是取決于一個人的風險偏好和實際需要。所以會出現更多的保險經紀人的角色，來為客戶量身選擇一套最合適的保險組合。相較于傳統代理人那種地推式的銷售模式，顯然經紀人的模式更能滿足用戶的需求。這是導致業務發生變化的一個方面，體現在客戶需求發生變化。

第二方面是在這么長的時間里行業本身也在不斷的思考和探索，尋找更好的商業模式。從一開始簡單的模仿和學習西方的模式，到最近幾年的主動創新，行業的形態和銷售模式本身也在不斷發生著變化。像我們公司最先提出的努力打造『長壽、健康、財富』的三大閉環，由傳統的純保險業務轉向構建大健康生態體系的商業模式。目前為止我們的高端養老社區和醫院已經布局了全國26個城市，處于行業領先地位。這種養老社區的商業模式簡單來說就是你簽一個名叫『幸福有約』的保單，就可以獲得養老社區的入住權。拿北京的燕園來說，幸福有約最便宜的是一單200萬。所以從這個方面來看，有時候我們感覺看到的保險廣告越來越少了，不是因為保險公司不做廣告了，而是更具有針對性了。像我這種就還得努努力才有可能收到幸福有約的廣告。

第三方面也是我認為影響效果最明顯的一個因素，就是從一零年左右開始的這股移動互聯網的浪潮。在移動互聯網的發展趨勢下，不僅是保險業，各行各業的服務模式都在迅速地發生著變化，各大傳統企業也都在尋求數字化轉型，以適應這股時代潮流。人們越來越傾向于把各種服務集中于手機上辦理，打車、購物、點外賣、移動支付以及近兩年的數字化政務平臺的普及，讓很多原來線下的事情搬到了線上。我們公司也在15年成立了泰康在線子公司，專門負責互聯網保險業務。所以從這個方面看是因為陣地發生了變化，從大街上轉移到了網絡上。

總的來說就是以上三方面原因吧。一是隨著人們對保險理解的加深，需求發生了變化；二是行業自身對商業模式的探索導致供給發生了變化；三是由于互聯網的發展使需求與供給之間的連接發生了變化。以上三點原因共同導致了目前這樣的結果。

?

問題5

主持人：分析的很透徹，?剛才提到互聯網的發展使需求與供給之間的鏈接發生變化，你覺得如何才能做好數據埋點？

楊迅：說到埋點，我們去年剛做了一個簡單的埋點工具。其實公司是有采購像?TalkingData、神策這類商業化的埋點系統的。這類系統的特點是功能很強大，同時伴隨產生的一個問題就是埋點成本更高了。因為你系統想要進行更多維度更復雜的分析，那么意味著你埋點的時候就需要提供更多的信息，還有更多的規范和約束。這也是某種守恒定律吧，要的越多就要付出的越多。我用過一段時間神策，埋點工作本身在迭代中確實會占用不少時間，有時候甚至需要安排整個迭代去為之前沒做埋點或沒做好埋點的頁面進行埋點。然后我們很多內部的?ToB?系統其實沒有復雜的埋點數據分析需求，更多的是關注一下功能的使用率、頁面訪問情況等最基本的數據指標。用神策又麻煩又貴，所以我們去年基于日志平臺、ETL、數據儀表盤這套東西自己建了一個埋點工具，將我們封裝好的監聽函數配置到前端服務里，后面只需要將頁面標簽按我們定好的一套規范來命名，就可以實現埋點，基本不會產生額外開發量。后來很多原本沒埋點的內部系統也開始埋點了。

因為提到埋點所以上面簡單說了一下埋點工具，不一定是功能越復雜越好，也要看具體需求場景的，功能復雜與埋點便利是不可兼得的。而關于如何為自己的系統做好數據埋點這個問題，我覺的還是得從產品目標出發。

在產品目標指導下形成埋點目標。比如一個電商產品，你某個功能的目標是讓用戶更多的點開商品詳情頁、更多的下單付款，那么你的埋點是不是就得能體現有多少用戶點開詳情了、多少用戶付款了，最好還能通過埋點數據分析出來后續如何改進產品能提高付款率。這就是你埋點的目標。

然后在埋點目標的指導下開始進行埋點設計。這就涉及到一些搭建指標體系的技巧了，最核心的原則是要知道『所有的指標都是片面的』，圍繞一個業務目標可能需要多方面的多個數據指標形成一個指標組合，才能較為完整的反應實際情況。單純的某一個指標往往難以產生足夠的說服力。

最后就是產生埋點數據后，根據需要進行有效的數據分析，在使用數據的過程中發現埋點設計的問題并持續改進。如果這三步都做好了，我認為數據埋點這部分工作基本上就算做好了。

?

問題6

主持人:最后一個問題了，作為一名數據分析產品經理，你有沒有最想吐槽的？

楊迅：坦白說我一時確實想不起來有什么要吐槽的，我覺的遇到問題時優先要反求諸己吧，看看有什么是自己可以改變的，積極樂觀的去面對各種問題，這樣可能才是一種更加有效的解決問題的思路。吐槽只會給人一種無能為力的感覺。

而且本次有幸受邀來參加咱這個交流，大言不慚的說了很多，內心已經感到很慚愧了，更加想不起來要吐槽什么了。我覺的年輕的時候還是要以輸入為主，多聽多看多學多做，少吐槽~

?

結語

主持人：今天的采訪是目前為止采訪時間最長的了，聊得很開心，楊迅作為IT產品經理結合自己的工作內容分享了自己的經驗，在公司里也經歷了產品的多次迭代，業務模式的變遷，甚至與客戶的鏈接都發生了變化，還開辟了新的子公司專門來對接，這里無疑不是互聯網起了巨大的推動作用，再一次感謝楊迅來參加CDA持證人專訪，我們下期再見！