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。

【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 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 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 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 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 ...
2026-07-21一、活动介绍 2026暑期CDA备考冲刺季,为想利用假期拿证的你量身打造。考点胶囊内容搭配多重硬核福利,让你在旅行、实习、居家 ...
2026-07-21金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 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 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 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 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 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 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13