热搜
您的位置:首页 >> 美食

产品经理的核心竞争力站长理应关注网站产品

2019年05月15日 栏目:美食

1 : 站长理应关注站产品的核心功能我们知道,现在有很多非常成功而且给用户带来便利的站。但是也有很多功能,让用户觉得迷茫,手足无措。我觉

1 : 站长理应关注站产品的核心功能

我们知道,现在有很多非常成功而且给用户带来便利的站。但是也有很多功能,让用户觉得迷茫,手足无措。我觉得,问题的关键在于,成功的产品,不管有多少功能,他的管理者总是会延续专注和优化产品的核心功能。

1.明确站核心功能,解决用户实际需求

每一个站都应当有1个核心功能,来解决用户的实际需求。像易,解决了大家的邮件信息交换,像解决了大家之间的沟通,拉近大家的距离,像百度,解决了大家信息查找的问题,像阿里,像决了人们找客户的困难,让人们在互联上做生意。这样的站,它们的共同点就是有1个鲜明的核心功能,大家使用也1般是使用它的核心功能。

固然,很多站在刚开始的时候,功能都是即单1而明确。但是随着版本的更新,会增加各种各样新的功能,本来的核心功能可能就会不再明确或乃至会被淡忘。而这些站也就在某些意义上产生了根本的改变。对1个站,它的核心功能是什么?它是做什么的?解决了用户怎样的问题?当这些问题不能用1句简单的话来回答的时候,也许就是这个站的管理都该反思的时候了。

2.致力于站核心,其实不断优化

非常好的站不但有自己明确的核心功能,并且确保自己的核心功能不产生质的变化,延续更好的解决用户的实际需求。

像百度,搜索页面简捷大方,而且不断的在搜索方面投入大量的资金和人力。我们可以知道,百度和Google的争议声1直是不断的,不过,之前,百度面临的争议声是很大的,我不用百度只用Google,我感觉现在听到的这类声音愈来愈小了,说明百度搜索也1直在不断的进步,只有百度的搜索功能不断的进步,也才能保证其他的功能有才足的发展。

像,不管在去年腾讯遭到多大的争议,我是说,腾讯的产品还是在不断的完善的,腾讯的社交,增加了分享,增加了朋友,微博之类的功能,总的来讲,这些都属于社交当中为流行和活跃的。腾讯的核心就是社交,它也是在对社交方面进行不断的关注,并且不断的提升。

3.站功能的更新优化

大多数的站除核心功能之外,总是会添加1些别的功能。可能就是大家想1下,觉得这个功能不错,就做上去了。或感觉某个功能不太实用,就给去掉了。在站上添加新的功能是如此容易,并且听起来也很好,因此人们总是喜欢在自己的产品上不断的加入那些可能比较好的用户体验。

但是随着互联产品的新功能越加越多,随之而来是开发、保护本钱的增加,产品打开的速度愈来愈慢,性能愈来愈差,老用户对产品感到陌生,新用户对众多的功能感到莫衷一是乃至于沮丧。因此当站添加新功能的时候,很多时候其实不能取得用户量的增加和用户满意度的提升,乃至于有些时候用户满意度会不升反降。

因此,大家在增加或减少相应的功能时,应当,对站的功能做相当的审查,1定要确保功能能提高用户的体验,能够解决用户的问题。

我相信,只有延续明确、专注、优化站的核心功能,勇于摒弃过剩功能,保存对用户真正有用的功能,我想这才是真实的好的站,而且也会得到更多用户的信赖使用。

本文为站长文章,希望能为大家提供1些帮助,谢谢!

2 : 产品经理的核心竞争力是什么?

童玮亮@知乎的回答:

1、了解用户需求的能力。

a、找到目标用户真实痛点需求,而不是伪需求。

b、产品刚推出来,用户1堆反馈要迭代的时候,能坚定自己大逻辑下判断迭代细项的优先级,而不是被用户牵着走。

2、调和各类资源能力。

前端技术,后端技术,UI,UE,测试...后期市场,运营,销售...

调和各类资源,以产品经理为核心来驱动。

3、效力控制能力。

时间进度把控,资源本钱把控...按时保质保量完成预定目标。

4、有运营,商业思维能力。

满足用户需求条件下,找到通过运营快速扩大,及商业变现的平衡点。

5、数据驱动

极为关心各项数据,能从数据波动中看生产品技术运营等问题所在,并提出解决方案解决问题。

基本上我认为做好1个产品经理就是做好1个CEO。

张静@知乎的回答:

问:产品经理的核心竞争力是什么?

其实你换个角度,你是老板,眼前放着N个产品经理,你会选择哪个?

1.要钱少的?

2.经验丰富的?

3.名企出身的?

4.有成功案例的!

(]其实,这个问题的关键不在于你究竟是甚么,而在于你面对1个甚么样的企业老板和社会环境。

举个例:

如果是1个不到10个人的小公司,老板都穷得叮当响,他会怎样选择?

他1定选择要钱少的,或不选,乃至在他哪儿,乃至都没有产品经理这个岗!你的所谓牛企经历在他那儿就是个P,他用不起你,你的核心竞争力就没有价值!

再举个例:

如果是个名企,他们1般会招那类产品经理?

所谓物以类聚,名企1般会招收名企出来的,就好像当初做SP时,新浪喜欢招空中和TOM的,而阿里喜欢招新浪,腾讯出来的产品经理。为何?由于名企的价值观趋同,即使不能出彩,但少大的方向不会有风险。而且HR招这类人,不会有任何人说他不对!职业风险小!

那如果是个创业公司,经过了AB轮的互联公司,他们又青睐那类产品经理呢?

这类公司1般趋近于招聘那些有成功案例的,包括相近领域有成功案例的。由于这类企业需要快速发展,自己培养的人跟不上企业发展的速度。找现成的经验是适合的。1般来讲,这类企业给的薪水是相对照较靠谱的,不过辛苦也是必定的!

OK?明白了么?

1 个产品经理的核心竞争力,不在于他自己,而在于他知道面对1个甚么样的用人单位或老板,面对1个甚么样的环境,知道用什么通道去释放自己的产品观和价值 观!只有你的产品观和价值观得到老板和公司的认可和资源上的支持,你才有可能在产品上有所成绩。你的价值才有可能被释放!上面那些同学说的那些什么这样那样的能力,需求,资格等等,没有这个根本入门大法的条件下,说刺耳点,你再牛逼的技能,在公司眼里,都是砣屎!这也是如此多自以为牛逼哄哄的产品经理不得志的缘由。

附个当初给小朋友们的培训PPT吧,谨慎参考!

本文由人人都是产品经理@边沿整理自知乎问答,转载请注明并保存本文链接!

3 : 76数据洞察力_保险的核心生产力_郑岩

封面专题

数据洞察力:保险的核心生产力

□文/本刊 郑岩

的积累仅仅意味着更高、更不可控的存储和管理本钱。可见,数据的真正价值在于洞察其内部规律,支持业务决策。

对保险公司来讲,大数据时期的“机会”和“混乱”直接反应出企业外部的商业机遇和内部的管理挑战。本刊通过对多家保险公司信息科技部负责人的采访,试图描绘保险行业大数据时期的蓝图,并剖析孕育在大数据时期的保险公司核心生产力——数据洞察力。

储于数据仓库、数据集市中的分析型多维体系数据。区分于交易系统中的结构化数据,这部分数据是相同数据源在不同维度上的展现。5是来源于互联、社交媒体等的资讯数据。借助舆情份析等手段,这些外部数据对公司的经营发展策略和实践一样影响深远。

与银行业的“短交易”契约不同,保险业属于“长交易”契约,保险账户信息变动的频繁程度不及银行账户,但单1保险账户的信息量远大于银行。与银行和证券公司类似,保险公司的沉淀、新增数据量与其业务发展水平高度正相干。

从当前数据范围看,保险公司的数据量普遍都在TB级别。

截至目前,中国人寿保险(团体)公司(以下简称“国寿团体”)的签约保单客户约2.4亿,是全球保单量的保险团体公司。自1996年业务运营之初每一年几10亿的保费范围,到现在每一年3000多亿保费范围,团体数据量也呈级数上升,结构化数据达几百TB。

中国平安保险(团体)股分有限公司(以下简称“平安团体”)的OLTP和OLAP数据量超百TB,保单影象、票据影象、事故图片、中心录音数据等半结构化和非结构化数据超千TB。

中国人民财产保险股分有限公司(以下简称“人保财险”)近8年内的结构化数据超过百TB,半结构化、

要发挥大数据的价值作用,必须主动邵利铎:

进行数据治理,让数据管理与分析部门处于公司的上游位置。

保险数据分类及范围

要了解保险公司的数据范围,首先必须明确其数据

Gartner在1篇题为《CEO Advi-sory:“Big Data” Equals Big Opportunity》(CEO报告:“大数据”=大机遇)的报告中,将大数据时期的企业机遇做出以下描述:大数据是1个影响传统认识和业务模式的紧急问题,它打乱了现行趋势,同时期表了公共部门、业务和IT们没法疏忽的巨大机会。Gartner的研究员表示,IT部门应直面大数据时期的挑战,确保1定程度的本钱控制和调和,避免大数据“机会”成为大数据“混乱”。

的确,面对纷纷复杂的数据,如果不能公道、快速、直观地揭穿其内部的复杂关系,对企业来说,数据

分类。业内通常将保险行业数据分为以下几类,1是在保单交易系统中管理和运作的结构化数据。此类数据自保险公司运营之初即在不断产生、积累。2是影象数据。随着保险公司业务量的不断发展,保单检索环节必须依托电子化手段,2000年前后,各家保险公司纷纭上线影象系统,保证承保、保全、理赔等环节档案的自动调取。3是语音数据。此类数据源于2002年保险行业Call Centre的陆续投产,话务员与客户的通话记录是质检工作和业务改进的重要根据,必须妥善存储。4是OLTP(联机事务处理)、OLAP(联机分析处理)衍生的存

封面专题

非结构化数据在500TB以上,预计南方数据中心建成后存储的总数据量将到达2000TB。

作为1家成立不到12年的合资保险公司,信诚人寿保险有限公司(以下简称“信诚人寿”)的累计数据量约为8TB,其中2TB左右的数据是客户、保单及财务信息等结构化数据,其余为电邮、文档、录音、影象等非结构化数据。信诚人寿信息技术部总经理钟齐胜坦言:“目前,非结构化数据除支持平常运营需要之外,主要是基于监管及合规要求进行长时间保存,但还没有在业务经营决策层面加以很好的分析及利用。”

险。赵峰强调:“通过现金流分析,结合给付高峰预测,能够让公司在资金运作方面提早做出调解,实现在自有资金收益化基础上,应对正常业务运作。”

另外,保险公司的定价能力与数据分析能力息息相干,1旦本钱分析出现问题,无疑将挤占产品的利润空间,直接影响保单的销售业绩。赵峰强调:“本钱分析能力越强,公司对市场的掌控能力则越强。”

在本钱分析方面,未来在监管制度、行业环境允许的情况下,寿险公司可能斟酌根据客户贡献度,在传统保单定价的基础上,给予客户1定幅度的价格优惠,此种模式如能成型,将大幅提升保险公司的市场竞争力。固然,这类差异化定价提高客户虔诚度的做法需要建立在强大的数据发掘能力的基础上。

选择,在此情况下,数据质量很难保证。要发挥大数据的价值作用,必须主动进行数据治理,让数据管理与分析部门处于公司的上游位置,这必定要对企业现有的组织体系、资源配置和权利结构进行重组。

3是对企业数据管理和处理能力的挑战。大数据管理和潜伏商业价值的发掘和预测不单单需要硬件和络投入,由于缺少成熟的实践经验,其方式方法又与传统的数据仓库和BI有1定辨别,要实行大数据分析,企业还需具有更加专业的数据分析方法和使用体系,特别是需要具有大量的数据专业人才,这些人材决定了企业应当采取何种大数据技术,应当在什么时候、何地使用大数据结论。

在IT员工方面,挑战源于员工是不是具有大数据分析所需的多学科、多层次的专业素质,是否是具有对新技术的学习和驾驭能力。邵利铎强调,专业的大数据分析人员少应具有3个方面的专业知识,1是与从事的行业相干的业务技能,2是进行建模与样本选取所必须的数学技能,3是必要

大数据的机遇在于能够提供更好的销赵峰:

售和服务策略,掌握数据、利用数据是保险公司产品创新、服务创新的条件。

洞察数据并不是易事

“基于数据类型、数据量和数据响应速度等3个大数据时期的核心特点评估”, 人保财险信息技术部总经理邵利铎表示,“毫无疑问,对金融行业特别是以服务为主的保险行业来讲,大数据时期或说大数据的低级时期已到来。”

治理数据的挑战

面对大数据时期的种种市场机遇,各家保险公司的科技部负责人都显得异常“冷静”。在信息化市场中,的机遇常常伴随着巨大的挑战。对此,邵利铎就企业和员工2个层面,分析了保险公司在大数据时期的核心挑战。

在企业方面,1是对企业IT战略决策的挑战。大数据量必定要求企业在带宽和存储装备等基础设施方面增加大量投入,对习惯采取成熟技术的保险公司来说,面临固守或革新的决定。

2是对企业组织和管理的挑战。目前大部分企业内部数据均处于末端而不是前端,数据更多的是经营结果的被动体现,而不是经营政策的主动

掌控市场的机遇

大数据的机遇在于能够提供更好的销售和服务策略,掌握数据、利用数据是保险公司产品创新、服务创新的条件。国寿团体信息技术部副总经理赵峰举例,“比如事件关联性分析,能在数据现象显现的同时找出其内部本质的联系,分析何种人群合适何种产品,进而强化销售策略,为业务发展提供更加明确的市场方向。”

的确,在市场竞争中,关联性分析的优势在于能找到竞争对手可能忽视的事件关联,进而提供既让客户满意,同业又没有的服务,从而占据市场先机。

同时,数据分析亦能防范经营风

29

封面专题

的IT技术。

分析利用环节,选择适用的技术手段和分析工具,研究构建公道的分析模型,做好事件关联分析、实时分析、预测分析

数据的积累和管理为保险公司的精细化运作和可延续发展奠定了坚实的基础。对保险行业来讲,技术部门承当决策数据支持的职能,要进行数字化决策,信息的准确和及时发布相当重要。邵利铎表示,随着近些年数据的急剧膨胀,各家公司对数据决策支持的需要也越发广泛和深入,为有效应对,建设企业级数据仓库、对数据进行统1和专业化管理,同时借助专业化数据工具对数据进行处理和加工已成为保险公司的普遍选择。

等工作,使数据通过分析利用产生业务价值。

信诚人寿在结构化数据处理方面一样构成了1套完全的流程。2005年开始,信诚人寿陆续建立了1些小范围的数据分析利用软件。在数据发掘方面,逐日从核心保单业务系统中抽取产品信息、销售信息、客户信息等数据,灌入数据仓库体系的ODS(Operational Data Store,可操作数据存储)中,通过ETL(Extraction Transformation Loading,数据提取、转换和加载)等传统技术,实现对KPI(Key Performance Indica-tor,关键绩效指标)的追踪,及时向管理层反馈销售情况及达成率,并适时调剂产品及营销策略。此发掘流程,还能帮助公司根据已有客户信息和购买习惯,深度发掘出1批可继续开发、屡次营销的客户群,进而制定营销计划、分配相应的销售团队,实行针对性跟进,取得了1定的成效。钟齐胜强调:“数据发掘的进程要有着明确的目标,即从收集阶段就明肯定义标的数据的来源和用途,并预测发掘方向。”

要发掘非结构化数据的价值,对其进行梳理并标准化的工作非常关键。平安团体保险标准化实行委员会副主任韩梅表示,非结构化数据触及的标准众多,有非结构化数据的格式要求、收集设备技术要求、系统间信息交换标准等技术标准,操作人员的组织和配备要求、装备和用品的配置要求和非结构化数据的处理规范和利用规范等等,这些标准的制定、实行和延续改进1直是保险公司信息化工作的重点。

“保险非结构化数据的标准化并没有通用或简易的准则和方法,普遍具有1定难度,特别是图象数据的标准化。”邵利铎分析,进行标准化工作,重要、困难的是要找到更多的数据性质的共同点,此项工作虽可通过1些工具或技术手段来实现,但其实不是所有的非结构化数据都能够进行完善的标准化,1般都需要根据用途和方式对数据进行1定的选择和取舍,在此进程中,数据衰减在所难免。

主动出击,应对海量数据

韩梅:我们必须首先明确要解决甚么业务问题,以后再从产品角度进行开发,并权衡是鉴戒开源技术,还是利用商用软件。

结构化数据发掘还是主流

“非结构化数据可能会是大数据时期未来信息发掘的价值所在,但从目前来讲,在投入、使用频率、使用范围、对信息价值的发掘深度等方面,结构化数据仍远远高于半结构化和非结构化数据。”邵利铎进1步分析,就目前的大数据环境而言,对结构化海量数据的认识、处理技术和基础环境等已基本成熟,而对半结构化、非结构化海量数据的认识和使用尚处于尝试阶段。

在结构化数据处理方面,赵峰举例,国寿团体集中关注数据管理进程中的4个环节。1是在数据收集环节,必须确保数据的准确性和1致性,比如保单处理系统即为主要的数据收集处理系统之1。2是在数据访问环节,面对庞大的数据量,复杂的数据访问需求,必须有不断优化的数据存储访问策略和用户访问权限设置来保障数据方案的及时性和安全性。3是在数据可用性环节,需要对数据进行公道存储、归档和备份,制定可行的应急恢复方案保证其可用性。4是在数据

非结构化数据的标准化是关键

伴随保险公司电销、销渠道的客户行动信息、客服中心语音数据、承保环节标的风险辨认信息、理赔环节的图片信息和用于风险预警和评估的灾害风险信息等复杂种别数据的增多,半结构、非结构数据一样成为现代保险公司数据内涵的重要组成部分。

封面专题

邵利铎认为:“不论是现在还是将来,非结构化数据的标准化问题将是1个普遍的困难。”

小块,再分发给不同的录入员,有效避免了因同1录入员看到全部申请表而可能导致的客户信息泄漏风险。

再如“车险电子地图调度”系统,有效提高了业务效力。平安团体在报案系统中采取了数字化地图,可以方便快捷准确地检索出客户的脱险地点,匹配预置排班系统,自动判断离脱险距离近的查勘车(员),及时派工。另外,“格”划分市中心区域拥堵路段,每一个格由1台查勘车负责,区域大小可让自行车在10~15分钟内到达。

让业务需求说话,可能会是1个更好的选择。”邵利铎表示,未来公司利用大数据技术,更多的是斟酌满足以“精细化和差异化的客户服务和化的销售服务”为特点的业务需求。

对此,韩梅表示了相同的看法:“国内保险业务市场变化很快,IT需要根据业务的变化而变化。我们必须首先明确要解决甚么业务问题,以后再从产品角度进行开发,并权衡是鉴戒开源技术,还是利用商用软件。”

非结构化数据处理案例

“要让非结构数据产生价值,首先要做好基本功。”韩梅表示,平安团体有上百TB的存量非结构化数据,每天还有上百G的新增,要满足散布在全国广域上的数万人同时实时处理,且响应时间要在3秒以内,如何满足低本钱可靠存储和高效实时处理要求是的技术困难之1。平安团体的应对方法是:结合动态路由检索算法和数据生命周期管理技术,综合利用不同本钱的多级存储方案,根据不同数据的价值规律,进行差异化处理。

非结构化数据处理的实践少应当帮助保险公司达成两项基本的目标,1是控制风险,2是提高效率。在这两方面,平安团体都有较好实践。

比如通过“影象分割”技术,解决申请表数据录入环节的信息泄漏风险。平安团体利用影象与模板的相对坐标,把申请表扫描件切分为1个个

掌控未来

“海量数据正在之前所未有的力度重塑社会。近10年来很多重大的保险创新活动,比如后援集中、公章集中、理赔服务时效大幅度提升、移动展业等,背后都是结构化、半结构化和非结构化数据相结合的成果。”韩梅表示,未来,数据的集成还是重中之重,大数据技术的核心成果就是更聪明地将各类数据组合起来,仰仗不断超出历史的数据洞察力,获得之前难以实现的业务价值。

当前,保险公司大都是依托集中存储、集中计算的技术平台框架,以能够满足现阶段的保险业务需要。但是,随着未来数据范围的膨胀、业务需求的激增,必定要将大量数据散布在不同的装备平台上进行处理,即将串行任务进行并行处理,传统的关系型数据库管理系统更适合1般的事务性处理工作,在性能方面不能很好地满足数据发掘的即时性要求,未来,以“提升即时交付能力,快速取得分析结果”为目标的新技术将日趋成熟并成功落地。

以业务目标评估商用软件的可用性

现今保险行业,技术改进的动力源泉是业务目标而非技术本身的发展。同理,保险公司主动应对海量数据特别是非结构化海量数据挑战的动力源于满足“高标准、差异化服务,高效率、精细化管理”的业务目标。在此指点思想下,商用软件虽是企业应对大数据时期的有效利器之1,但能否在保险公司落地,还要看其效能与业务的吻合度。

当前,传统商用数据库软件的核心功能基本1致,即将现有数据转化为多维数据,并提供良好的数据展现工具。“从现有商用软件的处理能力来看,基本都能满足保险公司现有及未来几年的需求。”赵峰表示:“保险公司采取新技术和装备不光斟酌性能问题,稳定性和安全性也一样重要,固然所有评估要素都要围绕业务需求进行。”

“不管是传统BI,还是大

钟齐胜:数据发掘的进程要有着明确的目标,即从收集阶段就明肯定义标的数据的来源和用处,并预测发掘方向。

数据分析平台,其实不能解决大数据时期保险公司面临的所有问题,在明确这1点的基础上,

注:因离线存储于备份系统中的数据通常不做分析、发掘使用,故此部份数据不在本文讨论之列。

31

盆腔炎什么原因引起的
产后感染的危害
治疗白带多的秘方