利多星金融数据产品专题

利多星这一组项目，是我近期最贴近“数据产品经理 / 金融数据产品 / BI 与数据治理”方向的工作经历。它围绕 金融策略产品、用户行为、客户生命周期、客诉风控、渠道转化和经营看板 展开，覆盖多个数据产品项目。

2 个 BI 看板私享家产品看板（4 模块）+ 股民保护看板（3 模块），上线供业务方实际使用

4 端数据接入APP、小程序、PC、企微聊天记录，替代原有手工报表

多角色使用方业务负责人、产品运营主管、客服主管，从手工拉数到看板自助分析

2 周 → 6 周交付股民保护半月上线；私享家因需数仓清洗，历时约 1.5 个月交付

专题定位

利多星项目的核心价值，是把金融业务中的复杂经营问题拆成可度量、可追踪、可复盘的数据链路。

业务侧关心的问题往往很具体：策略产品表现如何，客户是否活跃，服务是否覆盖到位，退款风险在哪里，投诉风险能不能提前识别，渠道来的资源能不能转化，哪些客户值得继续运营。要回答这些问题，不能只做页面，需要先把 数据源、对象关系、指标口径、字段质量和业务流程 梳理清楚。

这一组项目体现的能力集中在三件事：

• 将业务问题拆成指标体系和看板结构。
• 将分散数据整理为可复用的宽表、标签和数据集。
• 将风险、服务、转化等流程做成可监控、可追踪、可复盘的产品框架。

项目目录

项目	业务问题	数据产品价值
私享家 BI 数据看板	策略、客户、服务、订单和退款数据分散	建立策略收益、客户价值、产品分析、客服投顾服务和总览驾驶舱
数据埋点治理	多端行为数据字段不稳，影响 BI 和用户分析	建立埋点验收 SOP、质量分级、全量验数和宽表清洗规则
AI 客诉与风控	客诉风险信号滞后，处理被动	将舆情、聊天语义、客户匹配和处置流程组织为风险识别闭环
用户分层与客户经营分析	客户生命周期分散在订单、退款、埋点和服务系统中	建立生命周期分层、ID 映射、客户宽表和运营标签框架
股民保护 BI 看板	公域资源、咨询、签约和维权流程依赖手工报表	建立从渠道曝光到签约转化的漏斗看板和业务驾驶舱

数据主线

这组项目虽然场景不同，但底层方法是一致的。

业务问题
  -> 数据对象
  -> 指标口径
  -> 数据质量
  -> 宽表 / 标签 / 看板
  -> 业务复盘

数据对象	典型来源	作用
用户行为	神策埋点、APP、小程序、PC、H5 页面	判断访问、点击、观看、互动和功能偏好
客户与订单	订单表、退款表、用户账户、服务周期	判断在期、退款、复购、客户净增和生命周期
策略与产品	策略组合、案例股、持仓、内容服务	判断策略收益、风险、产品价值和主推方向
服务过程	企微聊天、派工关系、客服投顾服务记录	判断服务覆盖、未互动客户、回复率和服务风险
风险线索	公域评论、投诉语义、客户反馈、历史外诉复盘	判断风险等级、触达优先级和处置路径
渠道资源	视频号、公众号、私域 H5、咨询登记、签约记录	判断渠道质量、进线效率和签约转化

我的角色

在利多星项目中，我主要承担 数据产品 / BI 产品 / 数据治理协同 角色，需要在业务方、数据研发、产品开发、客服/投顾、管理层之间反复对齐口径。

工作方向	我的职责
业务理解	访谈业务负责人，理解策略产品、客户服务、客诉、渠道转化等真实场景
指标设计	将业务问题拆成核心指标、筛选维度、下钻路径和明细字段
数据治理	梳理埋点验收、字段质量、ID 映射、宽表清洗和数据可用性判断
看板设计	输出 BI 看板结构、PRD、字段口径、demo 原型和页面说明
风险产品化	将客诉、外诉、服务未覆盖等问题转成风险识别和流程闭环
协同落地	与数仓、开发和业务方确认数据来源、计算方式、异常口径和展示边界

展示边界

金融业务项目有较强敏感性，因此公开作品集只展示 方法、结构、口径和脱敏后的结果表达。

不公开展示：

• 内部客户姓名、手机号、账号、聊天原文。
• 完整 SQL、数据库表明细、后台地址和内部账号。
• 经营金额、未脱敏截图、投诉个案和敏感监管细节。
• 可反推出业务规模、客户身份或商业机密的原始数据。

后续截图部分建议优先使用脱敏后的流程图、看板结构图、字段口径表和局部指标框架，避免展示完整内部系统截图。