私享家 BI 是围绕金融策略产品搭建的经营分析看板项目。它把 策略收益、案例股表现、客户价值、产品活跃、客服 / 投顾服务、订单退款和经营结果 放入统一分析框架,帮助管理层和业务团队从“看单点数据”升级到“看策略 - 客户 - 服务 - 收入 - 风险”的完整链路。
私享家业务以股票策略组合、案例池选股、VIP 服务和内容运营为核心。后台已有较多策略与股票相关数据,例如策略组合、批量调仓、案例股池、持仓股票和历史案例股数据。
但业务真正要回答的问题更复杂:
这些问题分布在策略、客户、服务、内容、订单和退款多个系统里。如果没有统一 BI,业务只能通过单点报表和经验判断,很难形成持续复盘。
我在项目中负责需求梳理、看板结构设计、指标口径拆解、字段说明和原型 demo 推进。这个项目的重点,是把业务负责人脑中的经营问题转成数据研发可以开发、业务团队可以使用的指标体系。
| 工作方向 | 我承担的工作 |
|---|---|
| 场景梳理 | 梳理管理层、投研、运营、客服 / 投顾和数据研发的不同关注点 |
| 模块规划 | 设计总览驾驶舱、策略收益、客户价值、产品分析、客服投顾服务五大模块 |
| 指标口径 | 拆解收益率、盈利策略占比、最大回撤、活跃率、退款率、未互动客户等指标 |
| 交互设计 | 设计时间筛选、策略筛选、客户筛选、下钻、排序和导出规则 |
| 数据协同 | 和业务、数仓、开发确认数据来源、服务周期、订单退款、企微服务关系等口径 |
| 模块 | 主要回答的问题 | 核心数据 |
|---|---|---|
| 总览驾驶舱 | 业务整体增长还是下滑,风险在哪里 | 收入、策略表现、用户增长、退款、活跃、服务 |
| 策略收益分析 | 哪些策略赚钱,风险是否可控 | 策略组合、持仓股票、收益率、回撤、指数对比 |
| 客户价值分析 | 客户是否活跃,是否转化、复购、留存 | 付费客户、退款客户、在期客户、复购客户、客户状态 |
| 产品分析 | APP、PC、小程序和内容功能是否被使用 | DAU、三端活跃、视频观看、直播互动、页面点击 |
| 客服 / 投顾服务 | 服务是否覆盖到位,未互动客户在哪里 | 单聊、群发、回复率、服务客户数、未回复客户 |
策略收益是第一阶段 P0 模块。它不仅看单个策略涨跌,还要同时看风险、持仓和商业价值。
| 指标类型 | 代表指标 | 业务价值 |
|---|---|---|
| 策略表现 | 累计收益率、近 7/30/90 日收益、平均收益率 | 判断策略是否值得主推 |
| 风险控制 | 最大回撤、回撤区间、波动率、盈利策略占比 | 判断收益是否稳定,风险是否可接受 |
| 持仓贡献 | 持仓股票收益、涨跌幅、持仓周期、贡献度 | 判断策略收益来自哪些股票 |
| 客户价值 | 总付费用户、新增付费、退款客户、复购客户、在期客户 | 判断客户经营质量 |
| 服务质量 | 回复率、通话率、观看率、未互动客户、高质量单聊 | 判断服务动作是否影响留存和退款 |
私享家 BI 的前期难点在于业务链路很长:策略组合、案例股、客户付费、复购退款、内容触达、客服投顾服务都和经营结果相关。我先把业务拆成 策略组合数据、服务运营数据、客户行为数据、收入与退款数据 几层,再继续拆指标口径和看板模块。
交付私享家 BI 看板,覆盖策略收益、客户价值、APP 产品频道分析、客服投顾服务 4 个模块,接入 APP、小程序、PC、企微 4 端数据。使用方涵盖业务负责人、产品运营主管和客服主管,替代原有手工拉报表方式。因早期数据需经数仓清洗后才可用,项目从启动到上线历时约 1.5 个月。
我用 HTML 原型把看板结构、指标层级、筛选项、下钻入口和页面布局先做成可讨论的界面,让业务、数仓和开发可以围绕同一张页面确认口径,减少纯文档沟通里的理解偏差。
BI 看板涉及策略收益、客户付费、退款、服务覆盖等敏感业务数据,公开作品集不展示原始截图。以上"看板模块"和"核心指标设计"表格已完整说明各模块结构与指标体系;如需了解原型 demo 和看板细节,欢迎面试时沟通。
| 交付物 | 作用 | 展示价值 |
|---|---|---|
| XMind 业务框架 | 梳理策略、服务、客户、收入和退款之间的关系 | 证明前期业务建模能力 |
| HTML 看板原型 | 将指标体系转成可讨论、可评审的界面 | 证明产品原型和可视化表达能力 |
| PRD / 字段说明 | 定义页面逻辑、筛选条件、字段含义和验收范围 | 证明需求落地和跨团队协同能力 |
| SQL 数据集说明 | 连接指标口径和数据实现 | 证明数据产品具备落地实现链路 |
私享家 BI 的数据链路可以概括为:
策略产品
-> 用户访问
-> 客户活跃
-> 服务互动
-> 订单 / 退款
-> 经营结果
这条链路让业务可以追问结果背后的原因。例如:某个策略退款率升高,需要同时看策略收益、客户活跃、服务互动、内容触达和客户状态,避免只看退款总数。
| 难点 | 表现 | 处理思路 |
|---|---|---|
| 服务周期口径复杂 | 近 3 天、近 7 天、近 30 天客户是否完整在期会影响分母 | 明确统计周期内客户是否需要完整覆盖服务期 |
| 服务关系来源不一 | 企微客户管理、公司客户管理、派工关系可能不一致 | 根据业务场景选择主口径,并保留差异说明 |
| 群发和单聊区分 | 系统群发、手动群发、真实单聊混在一起会影响服务质量判断 | 将服务触达拆成不同类型,单独统计 |
| 策略收益快照 | 未取关持仓和历史收益需要每日快照才能计算 | 对收益、回撤、持仓周期建立时间序列口径 |
| 跨端行为 | APP、小程序、PC 行为需要统一用户标识 | 与埋点治理和 ID 映射项目联动 |
这个项目体现的是 金融策略产品的数据经营能力。我需要同时理解投研策略、客户服务、产品活跃、订单退款和管理层复盘方式,把它们组织成一套可开发、可验收、可持续迭代的 BI 体系。