出品平臺：DataFunSummit
導讀：大家好，我是百信銀行大數(shù)據(jù)部BI團隊的羅徽，很高興今天有機會跟大家一起分享討論。今天我分享的主題是百信銀行多維分析體系建設實踐。 主要圍繞以下內(nèi)容展開：① 百信銀行業(yè)務背景；② 多維分析解決方案；③ 場景化階梯式數(shù)據(jù)分析產(chǎn)品建設。
第一部分百信銀行的業(yè)務背景，主要介紹百信銀行的業(yè)務模式及基于這種模式下多維分析的數(shù)據(jù)訴求。
1. 百信銀行業(yè)務模式
百信銀行，全稱為“中信百信銀行股份有限公司”，是2017年由國務院特批、銀保監(jiān)會主導、中信銀行和百度聯(lián)合發(fā)起成立的全國首家獨立法人直銷銀行，也是首家國有控股的互聯(lián)網(wǎng)銀行，業(yè)務純線上，可以在全國展開。
百信銀行依托智能科技，廣泛鏈接生態(tài)場景，業(yè)務聚焦于2C+2B普惠長尾客戶群，以消費金融和產(chǎn)業(yè)金融為主賽道，依托股東生態(tài)，以開放銀行模式鏈接生態(tài)場景。主要的業(yè)務包括消費金融、產(chǎn)業(yè)數(shù)字金融、財富管理及銀行金融同業(yè)。百信銀行與車生態(tài)、大健康、內(nèi)容娛樂、新消費及現(xiàn)代農(nóng)業(yè)等生態(tài)場景產(chǎn)生廣泛的用戶、數(shù)據(jù)、產(chǎn)品、服務交互，并與金融機構有同業(yè)交易。
作為一家純線上的互聯(lián)網(wǎng)銀行，百信銀行實現(xiàn)了百分之百的線上化運營，以及百分之百的線上賬戶能力和全功能賬戶體系。這種純線上的運營模式更需要數(shù)據(jù)來提升運營及經(jīng)營的決策效率。
官網(wǎng)：https://www.aibank.com/about.html
2. 多維分析數(shù)據(jù)訴求
根據(jù)與業(yè)務的溝通及數(shù)據(jù)方面的合作，我們將業(yè)務對多維分析的數(shù)據(jù)訴求抽象為三點：準、全、易。
準，首先要保證指標的業(yè)財口徑統(tǒng)一，同時也要保證指標的業(yè)務分析及監(jiān)管的審計數(shù)據(jù)口徑統(tǒng)一。另外，準也包含了多維分析在交叉驗證的可靠性和可解釋性，數(shù)據(jù)準確是一切多維分析可以展開的基礎。
全，從指標資產(chǎn)來說，業(yè)務方需要我們提供的指標能夠覆蓋核心場景，而核心場景需要覆蓋全鏈路的分析過程。從分析體系來說，包含了框架的全面性和閉環(huán)迭代的全面性。
易，數(shù)據(jù)分析面向不同類型的分析使用者需要提供差異化的內(nèi)容、粒度和展現(xiàn)形式。抽象出來的數(shù)據(jù)分析使用者大概有以下三大類：戰(zhàn)略決策層、策略層及運營一線，包括產(chǎn)品、用戶和活動運營。這三類不同的群體對分析的使用訴求、使用習慣及數(shù)據(jù)內(nèi)容有不同的偏好。
接下來圍繞準、全、易三點展開多維分析階梯式服務設計思路：
最基本的解決“準”——作為大數(shù)據(jù)部的分析團隊，我們起到承上啟下的作用，采用以應用帶治的思路在搭建指標體系的同時，聯(lián)動數(shù)倉、數(shù)據(jù)工程團隊和數(shù)據(jù)治理團隊搭好基建，從底層保證準的供給。
針對“全”的訴求——第一，針對指標體系，以及圍繞指標維度體系搭建，形成經(jīng)營指標和畫像指標兩套體系，從數(shù)據(jù)資產(chǎn)的角度保證供給指標體系的全面性。第二，針對分析體系，圍繞企業(yè)經(jīng)營、產(chǎn)品和用戶分析搭建全鏈路的分析體系。
針對“易”的訴求——從不同群體的使用角度，提供階梯式的分析產(chǎn)品，包括：統(tǒng)一聯(lián)動分析視圖、自動化預警&歸因及預置維度自助分析等。
多維分析解決方案
第二部分進入多維分析解決方案，建設指標體系和分析體系。
1. 指標體系
以信貸場景經(jīng)營分析指標體系的搭建為例：
首先回答“業(yè)務要什么”的問題——需要結合戰(zhàn)略和策略，參與分析業(yè)務目標的拆解并進行結構化抽象。例如從經(jīng)營角度分析，對核心指標：利息收入進行拆解，包括生息資產(chǎn)余額（主要是貸款余額），收益率和期限。接下來，圍繞增加利息收入的手段進行拆解，分別是提升規(guī)模和損益，最后對前兩者進行指標（群）的建構，引出下面“怎么做”的探索。
基于對業(yè)務目標和實現(xiàn)手段的拆解，進一步回答“怎么做”——即圍繞著利息收入的統(tǒng)計和增加利息收入手段，進行問題的建構和解構。首先用杜邦分析法構建分析模塊，將拆解出的規(guī)模類和損益類進行一級指標建構，規(guī)模類可進一步分為資產(chǎn)規(guī)模、資產(chǎn)質(zhì)量和客戶規(guī)模，損益類則拆解為成本子類、收入子類和回款子類。建立完度量集后，結合實際的業(yè)務場景構建維度。維度分為通用型和分析型，后面會詳細介紹。
通過將分析度量模塊（指標集）按照維度集打散成為分析原子集，重構支持分析原子集的場景，最終實現(xiàn)場景式自助分析及沉淀業(yè)務分析經(jīng)驗的可視化圖譜。交付能力分兩大類：一類是支持業(yè)務拖拉拽的自助分析，另一類是一目了然的自動化分析視圖。
接下來介紹指標的分群、分層和維度建構。萬變不離其宗，一定要以與業(yè)務深度合作為基礎，基于業(yè)務分析的邏輯抽象拆解業(yè)務目標的過程及場景。以下以信貸經(jīng)營分析場景為例展開介紹。
分群，核心指標分為規(guī)模和收益兩大群體。分層，一級指標貼合業(yè)務最關心的KPI指標，定義規(guī)模類的為貸款余額；二級指標圍繞貸款余額拆解成業(yè)務關聯(lián)度最高的直接指標，涉及到放款類、還款類；三級指標下沉到業(yè)務的具體流程指標，例如信貸的通用流程：授信類-用信類-放款類-逾期類-不良類-核銷類。
指標體系分為規(guī)模類、計數(shù)類和比率類等，根據(jù)分析的需要，需要關聯(lián)維度。維度分為通用型和分析型。通用型維度是產(chǎn)品本身屬性附帶的，在常規(guī)分析中不可或缺的，如部門，渠道。分析型維度是隨著運營的精細化，基于事先的分析去沉淀合理的高價值分析的標簽維度，沉淀到通用型分析上，提高其解釋性和問題識別度，如用戶分群分層規(guī)則。
這一套指標維度構建思路對后續(xù)引導需求，發(fā)現(xiàn)分析的主線是非常重要的，也為后面的歸因體系打下根基，可以保證問題的聚焦性及故事場景的連貫性，保證解答質(zhì)的強相關及鏈路的閉環(huán)。在工作中會有各種各樣的分析場景，有的分析場景非常聚焦，比如已經(jīng)有明確的分析場景模塊，場景模塊內(nèi)有明確的分析目標及分析主線，這種情況很有利于指標范圍集和分析維度集的建立。但往往很多分析場景是不夠聚焦的。
我們之前遇到過一個需求，業(yè)務提出200多個指標需求，但究竟想分析什么，需要先給到數(shù)據(jù)再探查。這樣的需求對于資源的消耗及解答質(zhì)的高效聚焦是有待優(yōu)化的。當我們接到需求時，需要保證需求的合理性和高價值性，需要考慮結合業(yè)務場景梳理指標的范圍層怎樣建構，基于范圍層怎樣去實現(xiàn)與分析體系的高效聯(lián)動性。首先，剝離指標修飾詞和維度，挖掘出核心的原子指標，然后與業(yè)務深度溝通分析模型的主場景，根據(jù)場景對指標進行分群、分層。當對分群、分層清晰后進行探索性分析，尋找高價值的分析維度，并與業(yè)務保持高頻交流，來探查終極目標是什么，以及圍繞終極目標的一級目標和二級衍生目標是什么。經(jīng)過這一輪分析聚焦的一級指標不到5個，圍繞這些核心指標再進行二級、三級及四級的指標建構和維度建構，最終成功交付項目。
Tips：解答質(zhì)：所謂解答質(zhì)就是指目前可提供明確答案的程度?！尔溈襄a教我的思考武器》這本書中所提到的，有價值的工作包含兩個要素：一是議題度（找到該問題的答案必要性多高）；二是解答質(zhì)（對于該議題度目前可提供的明確答案的程度），議題度和解答質(zhì)都高的工作也才是有價值的工作。
問答：
Q：經(jīng)營分析指標體系，核心指標的使用過程中，例如通過評分卡或?qū)＜乙庖娀蛞恍C器學習發(fā)現(xiàn)哪些二級指標特別有價值？
A：對于核心指標的定義分兩類：
一類是無爭議的定義，比如KPI，是結合公司戰(zhàn)略，跟業(yè)務團隊充分溝通后定的。圍繞著這些指標的二級指標定義更多是基于規(guī)則的下鉆型分析指標。
另外一類是其他運營優(yōu)化類的核心指標定義，對于這類指標的二級指標以及二級指標的關鍵參數(shù)，需要根據(jù)實際情況選擇合適的實現(xiàn)方法。一般會考慮適配分析場景的核心分析維度群，評估核心場景中數(shù)據(jù)積累的量和質(zhì)，及業(yè)務穩(wěn)定性。具體來說，百信銀行在3年的發(fā)展過程中，業(yè)務在非常靈活的迭代，適配于國家政策在不斷進行創(chuàng)新性的嘗試。所以，不一定采用機器學習法，目前更多的是統(tǒng)計分析加專家意見法。比如在設定產(chǎn)品盈利指標的參數(shù)，會根據(jù)過往歷史表現(xiàn)從風險、復購兩大維度，綜合考慮產(chǎn)品類、損益類指標群的歷史表現(xiàn)，結合行業(yè)發(fā)展分析提供從樂觀到悲觀預期的不同指標測算參數(shù)，再進行下一階段的驗證、迭代。
上述描述是從宏觀角度進行闡述，具體根據(jù)實際情況分析確定。
接接下來結合業(yè)務場景，談談指標的維度建構。
例如金融業(yè)非常關心的提升ROA，通俗講是“養(yǎng)大”客戶，核心指標是“復貸率”。“復貸”客戶無論從成本收益率、運營的難易程度，還是風險的控制角度，一般是表現(xiàn)更優(yōu)的。下面以“復貸”為例，展開指標的維度建構。
（1）從時間維度分析，除了常用的統(tǒng)計時間外，以放款批次和MOB的時間維度分析也是信貸領域常用的。例如，以MOB看復貸的用戶數(shù)，戶均放款額，戶均貸款余額，這是比較粗的看全盤的經(jīng)營表現(xiàn)效果。當我們從統(tǒng)計時間的角度看，可以下鉆到看累計LTD、QTD、MTD的表現(xiàn)。累計LTD更偏重經(jīng)營分析、財務和戰(zhàn)略層面，QTD更關注所持資金健康度，MTD是運營同學更關注的中短期活動效果和運營效果。
（2）從階段維度分為未結清復貸和結清復貸。通過探索性分析發(fā)現(xiàn)，結清復貸在7天和30天有明顯的表現(xiàn)差異，得出7天結清復貸和30天結清復貸兩個時間窗口維度，鎖定觸達和運營客戶的關鍵時間點。未結清復貸更偏重怎么去提高客戶的粘滯度。
（3）通用維度即指標的自帶屬性，如產(chǎn)品、渠道、所屬部門等。
Tips：MOB：Month On Book，在賬月份，例如MOB0：放款日至當月月底，MOB1：放款后第二個完整月份。
現(xiàn)在分享橫切的思路，以百信銀行用戶畫像指標體系為例展開。采取的是抽象CRM的思路，對用戶進行全生命周期的客戶關懷，希望成為客戶可靠友好的金融伙伴，在用戶需要的時候進行觸達，在用戶不需要的時候不去打擾。
將用戶生命周期拆解成AARRR模型：
A——獲客階段。從與用戶建立第一次聯(lián)系起，希望基于用戶畫像指標體系KYC進行差異化場景獲客。結合用戶意愿、價值、風險等采用差異化的內(nèi)容、權益、節(jié)奏進行互動。
A——用戶注冊開戶。根據(jù)畫像來迭代風險模型，讓風險和增長能更好地平衡。
R——用信。當用戶進入授信未用信階段，通過第一道風控流程后，我們希望在合適的時間、地點，以合適的內(nèi)容和權益，按照用戶本人的特征進行差異化的刺激，在用戶需要時實現(xiàn)授信和用信。復用信，更強調(diào)對客戶的理解及對客戶不同周期的判斷，提高客單價和用戶粘性，同時兼顧風險控制。
R——進入休眠、流失和促活階段。無論是因為個人原因，或銀行費率、競品等原因造成用戶流失，我們都希望知道用戶是出于什么原因流失，進而思考如何挽留，如何在用戶需要時再次為用戶提供服務。
R——生日/節(jié)日慰問。其他時候，我們希望為客戶提供更人性化服務，提供節(jié)日、生日等的問候，從而真正實現(xiàn)千人千面的精細化運營。
Tips：KYC——Know your customer.
Q&A
Q：在經(jīng)營分析中老師分析了從200+個指標縮減到不到5個指標，并精細化這5個指標的案例，更合理的引導業(yè)務構建了一套更合理的指標體系。那從用戶畫像角度，用戶對產(chǎn)品使用偏好中，怎樣更好地找到用戶偏好？怎樣增加用戶對某一款產(chǎn)品的黏性？
A：用戶畫像的服務場景廣泛。戰(zhàn)略層面，例如品宣的定位、產(chǎn)品創(chuàng)設的定位及品牌投放的人群、位置及時間等。策略層面，先看清楚核心，經(jīng)營用戶畫像，怎樣合理的將用戶分群、分層。運營層面，用戶畫像更強調(diào)千人千面，不同的人給不同權益及優(yōu)化用戶體驗。
以圍繞提升“復貸率”，提升ROA為例進行畫像分析，選擇哪些指標維度或者特征呢？通過預分析發(fā)現(xiàn)，7天和30天結清復貸是明顯的兩個節(jié)點。類似于根據(jù)思維主線-預分析-驗證是否式合理的分析維度后，將具有明確業(yè)務區(qū)分度的維度作為維度標簽放到大盤中進行對比分析，識別進一步差異化特征，如人口輪廓屬性、行為偏好，風險偏好的差異，之后再用lookalike的方式尋找相似人群。
接下來以信貸為例分享如何建設用戶/產(chǎn)品畫像指標體系。
總體上講，剛才是分享客戶歷程，但也貫穿了整個業(yè)務流程鏈。在搭建用戶畫像指標庫時，一共分為兩大類：靜態(tài)屬性畫像庫和動態(tài)屬性畫像庫。
靜態(tài)屬性畫像庫圍繞人口的基本輪廓屬性，例性別、年齡、行業(yè)、收入水平等。
動態(tài)屬性畫像庫對各類行為、業(yè)務表現(xiàn)和客戶風險進行刻畫。業(yè)務表現(xiàn)是以用戶生命周期抽象出動態(tài)畫像模塊，按照前面講到的指標體系搭建思路，將指標分群、分級并進行維度建構，描述用戶不同階段的表現(xiàn)。
用戶畫像和產(chǎn)品畫像進行聯(lián)動，希望達到互推薦的功能。產(chǎn)品畫像主要圍繞利率、期限、風險、用途及產(chǎn)品體驗進行搭建。
2. 分析體系
當有了上面的資產(chǎn)后，可以結合不同發(fā)展階段的分析思路進行場景建構。
第一階段，采用描述性分析回答“發(fā)生了什么？”，例如支持業(yè)務看清大盤，進行核心指標的監(jiān)測，并支持對比分析。
第二階段，基于描述性分析進行診斷分析，回答“為什么會發(fā)生？”。當大盤和核心指標發(fā)生異動時，我們希望實現(xiàn)自動化監(jiān)控預警，目前百信銀行在逐步實現(xiàn)這一階段。另外，基于業(yè)務邏輯沉淀和業(yè)務分析策略的沉淀，開始搭建場景化的自動化歸因分析。
第三階段，采用專家意見+算法的方式進行預測分析，回答“將會發(fā)生什么？”。對核心指標和用戶偏好進行自動化預測。
第四階段，采用細分人群差異化策略迭代，回答“什么正在發(fā)生？”。作為一家年輕的線上直銷銀行，迭代的業(yè)務需要靈活的數(shù)據(jù)分析支持。所以除了進行描述、診斷和預測分析，還需要支持業(yè)務進行細分人群的定位、細分人群的差異化策略及細分實驗的效果比對和異動歸因，進而判斷什么事正在發(fā)生，并據(jù)此迭代核心指標，更準確描述大盤的現(xiàn)狀和更有效支持運營動作。例如初期的用戶核心指標為持倉客戶數(shù)量，當業(yè)務發(fā)展到一定程度，我們發(fā)現(xiàn)持倉客戶的分布中很高的比例是持倉低于某額度且不活躍的客戶。結合業(yè)務分析和發(fā)展目標，把核心指標修改為在一定時間區(qū)間范圍內(nèi)符合某額度之上的客戶數(shù)量。
第五階段，通過數(shù)據(jù)資產(chǎn)運營階段達到賦能決策的終極目標。希望圍繞核心KPI逐層展開特定場景深度合作，從業(yè)務理解和數(shù)據(jù)分析上真正提高決策的效率和質(zhì)量。
接下來結合百信銀行數(shù)據(jù)產(chǎn)品建設實踐，通過用戶-產(chǎn)品-企業(yè)經(jīng)營分析場景探討上述分析思路的落地。
1. 用戶-產(chǎn)品-企業(yè)經(jīng)營分析場景抽象
我們將用戶-產(chǎn)品-經(jīng)營多維分析場景抽象為橫向三層，縱向四塊的立方體模型。
橫切的三層按逐層遞進的思路分為經(jīng)營層、產(chǎn)品層、用戶層。每層支持統(tǒng)一顆粒度的分析，各層間聯(lián)動上下鉆。例如在大盤上看到問題時，可以下鉆到產(chǎn)品和渠道探查歸因，再下鉆一層探查用戶與產(chǎn)品的互動表現(xiàn)，從而實現(xiàn)三層聯(lián)動。
縱向分四塊的抽象模式，借鑒了麥肯錫的分析思路：先通過大盤分析看全局，再看變化、構成和比較。結合上面提到的分層橫切的思路，形成縱橫切割的分析原子對象集。用這樣的思路拆解場景，下鉆產(chǎn)品和業(yè)務鏈路，乃至客群。
需要注意的是，這些不可能覆蓋全量分析場景，我們服務的思路是去報表化，即盡量減少BI團隊一事一議的定制化報表開發(fā)，而是抽象、整合需求，通過打散業(yè)務指標維度，賦能業(yè)務輕松自助建構分析場景，比如我行的方式是支持自助拖拉拽生成報表或圖形。對于常規(guī)通用型分析場景，我們會抽象出分析故事線，通過圖形可視化提高分析效率，并逐步實現(xiàn)自動化異常提示，并一鍵生成自動下鉆的聯(lián)動分析。數(shù)據(jù)資產(chǎn)方面，將指標口徑、看板內(nèi)容版本迭代信息都在門戶頁清晰呈現(xiàn)。
2. 階梯式數(shù)據(jù)分析產(chǎn)品實踐案例
下面分享一個經(jīng)營-產(chǎn)品-用戶多維分析實例。
首先看大盤。抽象為四大模塊：整體經(jīng)營狀況、損益、風險和定價。每個分析模塊鎖定核心指標，搭配前面提到的通用維度，時間維度和分析維度，沉淀分析思路，形成一目了然的描述型分析儀表盤。
下鉆到產(chǎn)品&合作方層級進行診斷分析。此處采用趨勢分析，貢獻度分析，識別并呈現(xiàn)環(huán)比正負向貢獻及權重，便捷直觀。
進一步下鉆到用戶層級。在這層拆分用戶的行為鏈路，從進件-授信-用信-還款及各環(huán)節(jié)轉化率，結合用戶分層分群與產(chǎn)品、渠道進行聯(lián)動分析。
最后回歸大盤分析，實現(xiàn)局部分析和整體分析的閉環(huán)聯(lián)動。將經(jīng)營-產(chǎn)品-用戶的上下鉆自助的分析場景基于業(yè)務分析經(jīng)驗沉淀為自動化描述+診斷歸因數(shù)據(jù)分析產(chǎn)品。
接下來分享一個財富場景的產(chǎn)品-用戶運營聯(lián)動的案例，目標是探索產(chǎn)品交叉營銷策略。
首先還是看大盤，看趨勢。當看到明顯異常時，可下鉆到產(chǎn)品分析。結合時間維度顆粒度收放（月-周-天-小時），探查不同顆粒度的趨勢，得出部分產(chǎn)品非常典型的波動規(guī)律。之后分析資金流向行內(nèi)還是行外，流向行內(nèi)的比例和流向產(chǎn)品；若流向行外的話要結合外部情況進一步分析。基于此分析，業(yè)務優(yōu)化了產(chǎn)品節(jié)假日的權益設計，收獲了明顯的AUM提升。
自下而上統(tǒng)一的數(shù)據(jù)供給和數(shù)據(jù)質(zhì)量保障為數(shù)據(jù)分析保駕護航。通過公共數(shù)據(jù)層、數(shù)據(jù)萃取層和數(shù)據(jù)多維分析層逐層建構、融入公共維度和分析維度。同時完善質(zhì)量校驗規(guī)則庫，從非空、邏輯、唯一性、碼值等角度在調(diào)度任務中部署規(guī)則，在每個表生成時進行校驗，進行數(shù)據(jù)質(zhì)量保障。數(shù)據(jù)應用層則是沉淀業(yè)務分析規(guī)則庫，實現(xiàn)自動化分析聯(lián)動、預警及歸因并支持自助分析。
上圖展示的是自助分析場景，預置分析指標、維度，簡單拖拉拽即可形成可視化的報表或圖形。
前面探討的是數(shù)據(jù)分析內(nèi)容和產(chǎn)品的建構，按照項目管理的思路，交付之后轉運維，一方面根據(jù)業(yè)務場景迭代數(shù)據(jù)分析內(nèi)容，另一方面引入數(shù)據(jù)治理團隊，專注于指標資產(chǎn)化運維，基于合理權限設置將指標和維度進行規(guī)范化管理。
3. 總結&思考
最后，以數(shù)據(jù)的“廣度”和“深度”為橫縱軸，將多維分析階梯式數(shù)據(jù)服務方案抽象為金字塔+五邊形的組合。橫軸“廣度”即數(shù)據(jù)覆蓋度，縱軸“深度”即數(shù)據(jù)與業(yè)務，與智能科技的融合度。
金字塔最底層是數(shù)據(jù)模型+資產(chǎn)化，是實現(xiàn)數(shù)據(jù)口徑統(tǒng)一化的基礎。覆蓋自有數(shù)和三方數(shù)據(jù)，經(jīng)營指標和畫像指標，通用維度和分析維度。
向上一層是可視化分析層，包含統(tǒng)一聯(lián)動視圖和自助分析視圖。
第三層是運營&經(jīng)營分析層，深度沉淀業(yè)務分析思路實現(xiàn)自動化下鉆分析和自動化預警和歸因，盡量實現(xiàn)“隱性”的分析思路“顯性”化，智能化。
精細化運營層搭建動、靜態(tài)畫像庫以及畫像質(zhì)量&價值監(jiān)控體系。
頂層為決策支持層，形成分層建構體系化“準”“全”“易”。
下面分享一些我的思考：
1. 數(shù)據(jù)分析綜合了業(yè)務理解和數(shù)據(jù)開發(fā)，復合型的角色和能力要求。“腳踏實地”是基礎，既要理解數(shù)據(jù)又要理解業(yè)務。我在面試時會非常關注分析師是不是了解數(shù)據(jù)的來龍去脈，是不是了解業(yè)務的背景，今天拿到的數(shù)據(jù)是不是今天業(yè)務實際發(fā)生的等等，這些都決定后續(xù)數(shù)據(jù)分析的可靠性、可解釋性和方向性。
2. “抬頭看路”。數(shù)據(jù)分析以數(shù)據(jù)結果為重要依據(jù)但不完全依賴。關注外界環(huán)境，行業(yè)生態(tài)乃至國家政策對于洞察都是有益的。
3. “方案落地”。及時抽象有價值的分析思路、沉淀為數(shù)據(jù)產(chǎn)品，最合適可行的方案>最優(yōu)方案，快速驗證方案及思路的業(yè)務價值并基于此識別/挖掘更大價值。強調(diào)識別需求及提供高解答質(zhì)數(shù)據(jù)方案的能力，而非盲目做大。
4. “釋放價值”。低調(diào)做事，做扎實，并在適當?shù)臅r候影響高層和其他團隊。在工作中，跨團隊demo以前的產(chǎn)品時，經(jīng)常會聽到“我怎么從來不知道有這樣的思路，這樣的服務方案？”。所適當宣傳，碰撞思路，有助于更高效的迭代創(chuàng)新，釋放數(shù)據(jù)價值。
