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。
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：
| 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 |
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 |
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 |
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：
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。