金融数据产品设计具体是做些什么工作的

一、金融数据产品设计主要工作内容如下：

1、负责对现有产品的形态，完成定价、佣金提出修改意见和初步的产品利润测试；

2、负责互联网金融交易平台产品线策略及方案的制定、实施及产品生命周期管理；

3、负责管理来自用户和公司内部的业务需求，并进行管理及分析；

4、根据公司战略发展目标，对行业、市场、客户特征进行深入研究，通过对客户类别、行业特性、风险级别、额度、期限、费率、保证措施等；

5、产品要素的不同组织与设计，结合理财客户的特征与需求，完成信贷产品设计与实施；

6、参与制定产品运营计划，在营销和客户服务中，持续改善产品，包括用户体验、流程优化和数据分析等；

7、对产品进行监控与预测，并根据用户体验、数据分析持续进行产品的完善，优化流程；

8、领导交办的其他工作事项。

二、金融数据产品设计岗位要求如下：

1、专科及以上学历， 金融、财务、计量经济学、金融工程等专业；

2、1年以上担保公司、小额贷款公司、银行、信托、投行、证券等金融行业从业经验；

3.具备经济、金融研究分析工作经历，熟悉了解国内金融市场及各类金融产品；

4、了解互联网投融资业务流程，研究相关金融机构、金融产品和金融工具；

5、具备清晰缜密的逻辑思维能力，有较强的数据分析能力，能够准确切中用户需求，把握产品核心；

6、具备优秀的书面及语言表达能力，良好的文案演示能力。

今天的互联网从业者比过去任何时候都重视数据，这并非是因为仅仅来自于“大数据”概念的炒作，而是因为我们可依赖的数据极大丰富，而我们可以动用的工具也相当充足。

这样，有一批立志专门从事互联网数据相关事业的朋友出现，也就不足为奇。

尽管，传统意义上的数据人才早已有之，早在人们需要进行统计分析和概率计算的时候便有精通数学的数据科学家，但互联网领域的数据人才却与之有巨大的不同。

互联网运营数据分析人才的定义

我们如何定义互联网运营数据分析人才？事实上，定义二字本身会让我觉得不安。我并不觉得要满足一定的条条框框才能算“人才”，而涉及到商业领域，许多目标的实现可以有许多不同的方法，而且殊途同归。

但我觉得，作为互联网运营数据分析人才，还是有几个基本的共性可循。

互联网是个神奇的大网，大数据开发和软件定制也是一种模式，这里提供最详细的报价，如果你真的想做，可以来这里，这个手技的开始数字是一八七中间的是三儿零最后的是一四二五零，按照顺序组合起来就可以找到，我想说的是，除非你想做或者了解这方面的内容，如果只是凑热闹的话，就不要来了。

第一点，应该是乐于分析且善于分析的人。我认为这多少是有些与生俱来的特质。乐于分析，是指他遇到了问题并不武断结论，不想当然，且保持愉快的心情去探究。而其他人或许嫌麻烦地避之不及。善于分析，则是指他常常可以做不算离谱的假设，并应用逻辑和方法去验证这些假设，并在反复的验证中直到发现问题背后的所在。我认为这一点比其他什么都重要，其他的都可以慢慢弥补，但这一点却更似乎“与生俱来”。

第二点，他拥有第一点提到的逻辑和方法的相关知识并有运用这些知识的能力。所谓的讲逻辑，就是你的论据要能够支撑你的论点；所谓的有知识，就是你的论据是建立在事实和科学基础之上的；所谓的讲方法，就是运用这些知识的手段和工具是最佳的。比如，要证明一个页面优于另外一个，你就需要按照逻辑一步步使用一系列的工具和手段，从捕获数据，到分析数据，到根据分析提出理论上的改进方案，然后再利用较大数据量的随机测试来检验你的方案，以及在随后的进一步对比和分析。你不可以不讲逻辑，说这个页面就是这么改就一定行！（老板们往往都是有这样强烈直觉的，但大多数时候都相当不可靠。）你说行，得讲理由，得讲证据，而且这证据经得起推论，就是我们探案时候的“证据链”。这个过程中包含的方法则包括合理的数据抓取的方法、各种数据细分分析的方法、科学测试的方法等等。这些你要很在行。

第三点，你是“讲生意”的。讲生意不是说你真的去谈生意，而是你工作的一切出发点是为了生意。做分析的时候，我们大抵都觉得自己好似福尔摩斯，我们一头扎进数据中，我们怀着激动的心情去推理，但我们却可能忽略了，数据分析人才的存在是为了更好的生意，而不是为了更好的分析。说来有些矛盾，那些最初最好（最好的定义是最有效）分析的人，很多时候并非那些分析科班出身的人，而是最懂业务的人。我几乎有些偏执地认为，纯粹地培养做分析的人才是一个伪命题。善于业务的人一定需要善于分析，但是反过来就不一定。数据分析的人才，必须首先是业务人才。更何况，我们是互联网运营数据分析，运营就是生意的同义反复。

其实谈到这里，讲到了数据分析的本质。数据分析本身毫无意义，如果它不能从你的生意出发又回到你的生意。大数据，哦，这个概念也很火，但是，似乎有些落不了地呢。这正是因为，很多时候，大数据既不来源于你的生意，最后也用不到你的生意。这其实就是这几年大数据概念最需要解决的问题——让它广泛地应用于商业。

第四点，工具。相对没那么重要，但还是得说一下。善于使用工具是数据分析人才的基本素质，如果你觉得工具缺失或者不趁手，还需要有发现并获取工具的能力。不过，总体而言，我们所遇到的所有分析的问题，都有各种各样的工具帮我们解决。是的，所有的问题都有工具。

有朋友一定会问，为什么没有提数学？为什么不讲讲数据建模？个人认为，也仅代表个人观点，这些真不是互联网运营的数据分析人才一定得具备的。并不是说这些东西不重要——不少时候我们会用到这些方法，比如我们在分析用户流失的时候，我们在进行预测分析的时候，或是我们在归因、聚类或需要人工智能的时候。但是，如果要把这个东西作为互联网运营数据分析人才的第一要件去要求，那根本就会挡住无数真正具有天赋的分析人才的事业之路，更何况，这些东西当你需要用到的时候，它们更多是以工具的形态存在，以垫脚石的姿态来帮助你，而不应该作为一个分析爱好者成为人才的包袱和拦路虎。不过，我们很多企业却把这作为要件，而忽略我前面说的那四点，这就太舍本逐末了。

数据分析相关的职位

几乎所有的互联网业务部门都需要有优秀数据分析能力的人才，运营部门毫无疑问。

互联网运营牵涉到几个关键部门。一个部分是获取新的用户（或者新的流量）的部门，另外一个则是对互联网产品（APP、网站等等）负责的产品部门，然后是在这些产品之上进行日常经营和管理（也就是我们所说的狭义的运营）的部门，最后是服务于既有用户（或客户）的部门。这四个部门当然不一定在各个企业截然的被区分开，有时候，几个部门会合并，例如第一个和第四个部门容易被合并在一起，或者第一个和第三个部门合并在一起。

这些部门之外，再额外设置一个数据分析部门是可能的，但并不常见。这样的部门可能源自于传统的企划部门，进行被称为企业BI的工作。但互联网企业这样的设置并不多见。

但是，这些部门之内，设置数据分析相关的职位就太常见了。对于第一个部门即获取新用户的部门，数据分析工作几乎是贯穿始终的。这些部门往往有一个或者几个流量优化师，他们的工作必须基于每日的数据，并结合对于流量渠道的深入认识以及与其他同事的持续沟通，从而达到正确地选择流量渠道、合适价格地购买流量，以及最大化流量产出。他们的工作还包括需要对流量的质量进行持续的追踪，并不断提出优化流量的方法。这个工作至始至终都需要强大的数据分析能力作支撑。这个部门的数据分析人才的职位常常是流量优化师、渠道运营经理之类。

第二个部门，负责对网站、APP或者移动端H5站等进行不断改良优化，理论上所有呈现在前端的事情（与网站的后台相对）都应该是他们负责的，所以产品经理、创意设计、前端工程师等“异星人”是集中在这个部门的。除了他们，这个部门肯定需要一个网站/APP分析师，利用数据来说明设计和攻城狮们的作品是不是真正被用户所喜爱。也正因此，这个部门的这个职位往往容易引发争议、争论甚至争斗，是一个非常微妙的角色。有些公司不在这个部门中设置这个角色，而是由产品经理兼任，这完全可以理解。中国的情况往往如是，不过我看到的比较大的美国企业，却几乎都有正牌的网站（APP）分析师，甚至这些分析师被单独拎出来成立一个部门。这表明的生意比做的精细太多。

第三个部门，日常经营和管理部门，这个更不用说了，只要没有“老板和政治作祟”的地方，肯定必须是数据说话。你的活动主推什么商品、如何定价、进行什么样的促销、如何创意、如何文案、如何设置时间节奏和排程等等，都需要依赖于数据。这个部门的负责是运营总监，他的左膀右臂之一必然是运营分析经理，不过我更乐意叫他们运营优化经理之类。这个职位的分析工作日常且密集，而且遇到特殊事件和旺季则更加忙碌。有些朋友对我说，我们公司并不设置这个职位，但是他们并不否认相关的数据工作——“是的，我们要看很多报表、热图，没有数据我们肯定不敢轻举妄动。”所以，不设置相关职位可以理解，但是不设置相关职能则不可思议。运营分析人员也同样会做一些与流量分析人员类似的工作，因为如果经营效果不佳，有必要排除流量本身的问题，才能更好的研究其他的可能性。同理，运营分析人员也会关注承接端（即网站或app）本身的表现。所以，他们相对而言，非常的“全能”。

第四个部门，过去是“数据库营销部门”，今天则容易被称为“用户增值部门”，名字变了，工作内容也有一些变化，不仅仅是简单的根据数据发邮件打电话骚扰什么的，更需要做一些跟客户的深度互动。主要工作是维系既有客户，并且引导既有客户实现持续地、更高地消费。这个部门不用说了，本身就是依靠用户（客户）数据库工作的，而且数据库还需要升级，即不仅仅只是客户的静态信息（年龄生日有没有米什么的），更重要的还有他们的购物、行为及兴趣，所以这个部门如果设置，一般都需要有一个数据分析的好手，一个能做数据挖掘的数据科学家。当然了，小公司往往不设这个部门，而中、大型企业这个部门很受重视。我的客户几乎全部都有这个部门。不过，有一点我要指出，虽然这个部门是常设部门，但是分析好手和数据科学家，并非各个公司都能够配备齐的。

除了这些业务部门的常备数据分析人员，还有一个新概念被提出，即增长骇客。有一个朋友，在一家最近几年发展极为火爆的互联网O2O共享经济平台任互联网推广负责人，第一件事情就是问有没有增长骇客的朋友，有一个增长骇客职位，需要这样的人才。估摸着，这个职位是顺应“精益创业”而来的，即，不断通过数据验证MVP（最小变量产品）的那个人。嗯，这样的角色，绝对是精益创业公司所需要的，只是嘛，这样的人真的太难找了。

待遇几何？

谈到职位，大家肯定会问到待遇。北京的互联网相关的职位的薪水，近些年真是日新月异的变化。并非是数据分析人员的薪水涨，而是整个互联网的行业的小伙伴们的薪水都涨！给大家一些参考值吧。刚刚毕业的大学生，在百度的待遇大概一年12-16万，开发和分析人员的价格并无太大差异。分析人员干到3-5年的，年薪分化情况比较显著，我看到有公司开40万年薪招聘分析经理，但并不一定是普遍现象。那位寻找“增长骇客”朋友公司的薪水大约也是这样，但还包含额外的令人艳羡的极有可能上市兑现的期权，这样含金量便大大提高。做到更高职位则不同，数据分析或者大数据应用现在忽然成为风险投资的热点，所以这一类高级人才的薪水超过百万人民币也不奇怪。

图：国外的digital analytics的职位薪水情况，总的趋势是上涨（This chart provides the 3-month moving average for salaries quoted in permanent IT jobs citing Digital Analyst within the UK.）

中国互联网市场对于数据分析人才的需求原本比对开发工程师的需求要弱，不过市场的人才供应情况更少，这个行业普遍缺乏具有系统性数据分析能力的人才。2016年，我明显感觉到这个缺口在进一步变大，原因在于突然爆发的精益创业、精益经营的需求随着经济的下滑而被激发出来。向讨要人才的情况也比15年的时候要频繁得多。

面向未来

数据分析人才的未来取决于数据分析本身的未来。最欣喜的事情是，这个未来现在正变得清晰起来，几个同方向的力量形成合力正在促进数据分析走向一个从可有可无到不可或缺的阶段。第一个力量来源于人们普遍对于数据价值的认可和重视。数据文化比过去要被更广泛的认同。经济形势的走弱也客观上促进了人们对精细化运营需求的提升，这也提升了数据的价值。第二个力量来自于可以使用的工具比过去要丰富太多，而使用难度又成倍降低。可以比较一下3年前的Omniture和现在的Google Analytics便知道这种变化的速度有多么的惊人。功能更强大但使用更简便的工具仍然在不断涌现。第三个力量来自于资本的力量，即更多的基于数据产品、工具、解决方案、大数据、人工智能的商业项目被认可和被大规模资助。第四个力量来自于连政府都在极力鼓吹和促进。第五个力量来自于国外的成功先例所起到的正向激励作用。

一直都强调，数据的革命是继互联网革命之后另一个颠覆世界的变革，现在正踩在这个变革的门线上，下一步是自然而然的走向更深远的领域，创造更大的价值，乃至创造一个前所未有的商业世界。

所以，相信任何一个阅读了这个文章的朋友，都已经做出了正确的选择。

如果您是做汽车金融行业的互联网金融平台，您需要关注的有三个模块大数据，有助于风控的运营管理。

1.人的大数据。借助大数据风控管理分析平台，建立大数据反欺诈系统，从贷前、贷中、贷后各个阶段进行有效的防范欺诈风险。从账号风险防护、应用风险防护、欺诈信用风险防护等方面，有效识别骗贷、黑名单欺诈等手段，减少资金损失。对客户行为从源头进行风险评估，通过客户在网络渠道留下的联系方式开始，就启动整个风控的过程，关联客户关键信息（如地址、电话号码、联系人信息等），从申请环节到授信环节借助反欺诈系统降低有效反欺诈风险。

2.车辆鉴定大数据。二手车由于其非标准化运营，涉及到车辆评估，对车辆价值进行准确判断才能在放款上不会出现“乱放”现象。通过第三方车辆评估鉴定，上传车辆信息，对车辆查档、估值、违章查询、车史报告、VIN码解析等等信息掌握。为汽车金融公司提供二手车数据内容、数据管理、二手车估值、数据挖掘等解决方案。

3.车辆监控大数据。通过行业第三方贷后云风控平台的监控，呈现车辆的日常行为轨迹，利用监控平台的大数据预警信息，密切掌握借款人的动向。通过建立风控模型，针对借款人的贷后车辆行为，通过丰富的预警机制，可以科学的预测整个周期内的风险。根据车辆停留点分析、常用地址比对、敏感区域数据库等大数据分析，对车贷行业的功能场景进行针对性设计，能有效的遏制资料欺诈、二次抵押等不良现象发生。可帮助汽车金融公司建立完整的贷后风控管理体系。

---