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

【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平台、数据仓库、数据指标、业务系统、业务需求、业务目标、系统数据
【专访摘要】本次 CDA 持证专访邀请到头部保险集团 IT 产品经理杨迅,他解析了数据仓库 / 大数据平台 / 数据中台的本质区别,按 B 端 / C 端 / 数据产品三类划分产品经理的数据分析技能要求,讲解了保险行业从地推到数字化与大健康生态的转型逻辑,分享了数据埋点的设计方法与实操经验,为数据产品与业务产品从业者提供了体系化认知。
【主持人】大家好,今天 CDA 持证人专访邀请到杨迅,目前就职于国内某头部保险集团任 IT 产品经理,欢迎简单介绍自己。
【嘉宾】大家好,我叫杨迅,2020 年毕业于北京交通大学,目前在泰康保险集团任产品经理,负责运营模块产品设计工作。
【主持人】介绍一下你负责的产品类型。
【嘉宾】我们主要做数据仓库产品,行业内也叫大数据平台、数据中台,本质都是数据仓库 —— 面向主题、集成、相对稳定、反映历史变化的数据集合,支持管理决策。
【嘉宾】在基础概念上用分布式技术,支持海量数据就是大数据;通用上层数据应用就是平台;在底层稳定前提下支持前台灵活业务需求就是中台。最本质都是数据仓库。
【嘉宾】我们的产品主要解决内部问题:把各业务系统数据采集到一起,做跨业务跨系统分析;作为数据中枢提供标准安全接口,打破数据烟囱,提升系统对接效率,释放数据价值。
【主持人】产品经理会数据分析,属于赋能还是必备?
【嘉宾】产品经理类型多、业务差异大,数据分析能力要求不同,按视角可分为三类:普通 B 端产品、C 端产品、数据产品。
【嘉宾】普通 B 端产品面向企业 / 内部用户,量少,更适合和核心用户沟通梳理流程,数据分析要求低,掌握 Excel 基础即可。
【嘉宾】C 端产品用户广,必须持续做用户行为分析、构建用户画像,需求与迭代多基于数据,需要掌握趋势、预测、聚类等方法,使用 SPSS、Python、R 等工具。
【嘉宾】数据产品直接和数据打交道,要求最高:除基础分析能力,还要掌握 SQL/NoSQL 数据库、主流大数据平台架构与原理。如果把数据比作鱼,数据分析是捕鱼,数据产品经理是制作渔网和鱼竿。
【嘉宾】按 CDA 级别来看:普通 B 端产品,Level 1 一半必备、一半赋能;C 端产品,Level 1 全部必备,更高阶为赋能;数据产品,Level 1 全部 + Level 2 部分为必备,更高阶为赋能。
【主持人】产品岗位平时用到哪些数据分析方法与工具?
【嘉宾】我的数据分析主要服务产品设计。数仓建设中频繁使用数据库了解数据源结构,用维度建模分类管理主题数据;搭建运营指标体系时,熟悉图表类型与场景,设计逻辑化指标组合,用仪表盘呈现支撑决策。
【嘉宾】最常用工具是 Excel,偶尔用 Python 或 SPSS 做数据处理与复杂统计图表。
【主持人】保险行业以前大街发传单,现在很少见,业务发生变化了吗?
【嘉宾】国内保险 90 年代开始起步,早期无经验,把保险当普通商品无差别推销,难以匹配真实需求,大众不理解,印象不好。
【嘉宾】变化来自三方面:第一,客户需求变化,人们理解保险是风险管理工具,不是普通商品,出现保险经纪人量身定制,比地推更精准。
【嘉宾】第二,行业商业模式创新,公司从纯保险转向大健康生态,布局高端养老社区与医院,推出保单换入住权的模式,服务高净值人群,广告更精准。
【嘉宾】第三,移动互联网浪潮,服务线上化,公司成立泰康在线做互联网保险,销售阵地从线下转到线上。三者共同带来行业变化。
【主持人】如何做好数据埋点?
【嘉宾】埋点工具不是越复杂越好,要看场景。商业化埋点工具功能强,但成本高、约束多;内部 B 端系统通常只需要功能使用率、页面访问等基础指标,复杂工具不划算。
【嘉宾】我们基于日志平台 + ETL + 仪表盘自建轻量埋点工具,前端封装监听函数,页面按规范命名即可实现埋点,几乎无额外开发量,低成本高效率。
【嘉宾】做好埋点三步法:第一,从产品目标出发确定埋点目标,明确要衡量的行为与转化;第二,围绕目标搭建指标组合,单一指标无法完整说明问题;第三,用数据结果反哺埋点设计,持续迭代优化。
【主持人】作为数据方向产品经理,有什么想吐槽的?
【嘉宾】我觉得遇到问题优先反求诸己,积极乐观面对,吐槽代表无能为力。年轻阶段应以输入为主,多听多看多学多做,少吐槽,保持学习心态最重要。
【主持人】心态很重要,还是要多学习。感谢杨迅参加专访,本期采访到此结束,再见。
【嘉宾】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
随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31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