京公网安备 11010802034615号
经营许可证编号:京B2-20210330

【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型、数据仓库、工作需求、指标体系、数据建模、维度指标
【专访摘要】本次CDA持证专访邀请到金融科技公司数据产品经理郑志超,他详解了互联网金融与传统金融的差异、数据产品经理与普通产品经理的区别,分享了数据产品经理的适配专业、必备技能,拆解了互联网金融理财业务的核心指标体系,以及面试数据分析师的重点考察方向,为相关从业者提供了实用指引。
【主持人】大家好,今天我们邀请到了郑志超来参加CDA持证人的专访,志超也是因为时间的原因无法来到咱们的现场,所以今天举办一场线上的分享会,今天的话题是互联网金融和传统金融的内容,首先欢迎志超和大家打个招呼。
【嘉宾】哈喽,各位小伙伴,大家好,我叫郑志超,目前在一家金融科技公司任职数据产品经理一职。平常主要对接理财事业部的一些日常需求,包括数据产品、数据模型以及看板的设计等等一些工作,很高兴和大家一块交流和认识。
【主持人】志超,我听你特意强调了互联网金融,那在互联网金融从事大数据产品经理的职业,你觉得和传统金融有什么区别吗?
【嘉宾】其实传统金融行业其实他们更多的一个应用是在商业银行,而互联网金融它是互联网加传统金融行业的一个糅合,它是一个新兴的一个金融模式。对传统的商业银行来说,它们的量级就是相对来说都比较少,一般会用Oracle、MySQL等数据库进行一个数据的管理工作,而互联网它的一个数据量级因为包含了很多个人信息,包含了交易订单相关类的一些信息,所以说它的量级是非常巨大的,这时候就需要我们通过大数据的一些技术进行处理,所以说这在互联网金融行业会对从业人员的一些能力有了一定的提升,我们不仅要会一些大数据的一些基础知识,数据仓库的一些基础知识,统计学、数据分析等能力都要有一定的涉猎,这样会对我们整个的一个日常工作有一个很好的一个辅助作用,包括在售前咨询方面都能做到有的放矢。
【主持人】如果学弟学妹想要从事和你一样的岗位,那大学应该选择什么样的专业呢?
【嘉宾】首先我的岗位是数据产品经理。平常也主要是做的是数据产品设计、数据模型搭建等等一些工作。其实据我了解,现在的大学专业其实没有直接可以对口数据产品经理的岗位的,因为这个岗位的要求是比较偏向于综合性的,但是也会有一些专业可能会比较更加容易的上手此类工作,比如说数学与应用数学、信息与计算科学、统计学、金融工程、计算机、数量经济学等等专业。
【嘉宾】其实,你比如我来说,我本科就是学的是信息与计算科学,研究生是读的是数量经济学,两者都是数学相关的一些专业,都算一个复合型的一个专业,它既要有要求,有数学基础,还要有计量经济建模的一些经验。刚刚也说到没有完全对口的专业,那么在日常的工作中,为了提高的我们的一些工作效率,我们在工作中能够有所提升或者是有所创新,我们除了在大学中学的专业知识以外,其实还需要系统地掌握一些能够应用到实际场景的数据分析方法,其实我在很早之前就听过咱们CDA的一些消息,包括咱们的一些数据分析师,其实我觉得他的一些业务分析能力、SQL基础建模以及维度建模能力其实是比较贴合工作需求的,大学专业和系统的数据分析能力的训练,二者可以做到相辅相成,极大的能够提高工作中的一些效率。
【主持人】大数据产品经理和一般产品经理有什么区别呢?数据产品经理有什么特别的要求吗?
【嘉宾】其实两者都需要进行一个需求的分析,PRD文档的撰写,竞品分析、原型图的设计,包括Axure等专业软件的一些使用,沟通能力与项目管理能力,这些都是他一个普通产品经理和大数据产品经理的一个共同点。除此之外,与一般的产品经理相比,数据产品经理还需要了解数据仓库技术及理论、数据建模与数据挖掘技术及相关理论,并且能够熟练的使用Python、R语言、SPSS、SQL、Hive等等进行数据分析的一些工作。数据产品经理其实主要源于数据中台的概念,通过将业务数据整合、ETL数据加工处理、产品的模型设计,最终将其以数据产品的形式进行呈现,其中包括数据大屏、数据看板、数据报表、自主分析模型等等形式。其实我觉得数据指标的设计是最考验一个数据产品经理的能力的地方的体现,也是数据产品经理有区别于其他一般经理的一个重要的一个方面。
【主持人】互联网金融理财业务有哪些常见的业务指标呢?
【嘉宾】因为我平常是主要是对接理财事业部,这里就是我以我日常工作中主要对接的一些工作需求来进行阐述,我平常主要对接的是包括流量行为的一些指标,客户行为的一些指标,这里主要是以我搭建的基金数据指标体系为例,设计的一个思想就是基于第一关键指标原则加上人货场的一个理念,也是CDA数据分析中主要强调的一个指标搭建的一个体系理论。基金核心数据指标包括申购金额、赎回金额、持有金额,还有较昨日、较上周、较上月等等。
【嘉宾】人的维度包含了是客户分类相关维度指标,包括0元户、千元户、万元户、申购客户、首购客户、复购客户、持有客户、有效客户、潜在客户等等。货的维度主要是指与产品相关的一些指标,包括单品和组合基金公司还有定投产品等等。其中场呢,包括了是客户经理和渠道流量行为指标,如访问会员数,点击会员数、转化会员数、转化率等等,这里就不再过于详细的展开叙述了,我觉得通过CDA的系统学习,应该可以打造一套适合自己业务场景的一个指标体系的。
【主持人】如果你作为HR面试来应聘的数据分析师。你会问哪些问题?有什么要求呢?
【嘉宾】这个如果是数据分析项目,你比如说我会问他们一些主要包含的一些流程是什么?输出的结果报告都包含什么内容?其实这些在咱们CDA中都有讲过,如果是按照这个模板或者格式来的,其实都能包含进去。还有就是如何评价一个模型,估计一项措施、一项活动的一些转化效果等等,还有一些AB test实验。比如说会遇到一些回收周期长,设计要求过于复杂,投入大,如何做一个替代的一些分析。还有一些其他问题,就比如你在日常工作中做过什么,其他的一些数据分析的一些工作,给我们进行一个展开一个陈述。
【嘉宾】还有一个最关键的地方,就是你在数据分析中遇到了什么问题?你有没有是对这个问题有一个深入的思考,或者是对这个问题有一些创新的方面,或者是有一些改进的方面?这样的话我觉得对一个数据分析师来说,这一个是个很好的一个提升点,或者是说他的履历的一个发光点的一个所在。
【主持人】今天我们了解了互联网金融和传统金融行业对大数据产品经理的要求,互联网金融一种新型的业态和崭新的商业模式出现在我们的生活中,给我们的生产生活带来了巨大的改变,对传统的金融产业造成了一定程度的影响。相信在未来,互联网金融将进一步改变金融规则,提升金融效率将改变世界。感谢郑志超接受我们的专访,我们下期再见。

数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19