产品经理如何通过数据去分析问题？无论产品处在什么阶段，数据反馈出来的需求一定是最直接的，也是最有效的。那么针对于业务本身来说，如何通过数据去分析呢？

举一个例子说明——背景是外卖的一个产品，外卖产品其实有两个很核心的问题要解决：

1.平台如何高效且合理的把平台流量分配给各条业务线（外卖、商超、送药等）？

2.各条业务线如何把流量高效且合理的分配给商家？

以上是做为外卖产品经理要重点去解决的。此时针对业务侧自然会提到一个问题——当前的流量是否分配合理？作为产品经理应该如何去做呢？

一、和业务方定义问题点

定义问题的基础思路主要分为两个点：理解问题（即想清楚这个问题到底是什么？）、定义问题（即用数据框架拆解出这个问题）。

针对于外卖平台业务方提出的流量分配问题来说，产品经理需要理解的是如何通过资源配置实现客户和商户进行更有效率的交易方案，那么平台方需要做好两件事：匹配人的需求和匹配供给的需求。

接下来再来定义流量的分配，那么需要查看一段时间内平台的流量，将每天的流量拆一下，可以总结成这个公式——每日流量=每日客户数*日均客户使用频次。

从这几个方面和业务方沟通并澄清后，其实通过数据对流量的产生时间、流量的来源渠道、流量的转化路径和各维度下流量的分配这四个角度有一定的认知了。

二、规划分析的框架

第一步针对于产品数据和业务侧梳理清晰后，接下来再来聊通过样本来梳理出分析的框架。

通过拉出来的全部数据分门别类的整理出来这五个维度的全部数据。当然这些数据日常做为基础数据应该要有必要整理。遵循几点：基础数据（关乎产品常规数据和业务数据）日日导，辅助数据（关乎转化率过程）周周导，挖掘数据（分析流量成本、质量等）月月导。

整理完成以上数据后，接下来到了最重要的环节。以上数据的真实含义是什么？定义维度是否一致的问题？

三、规范数据内容

这是在处理数据的初期需要和业务方进行约定的。数据指标必须通过清晰的注释来解释数据的含义。否则每个业务方对同一指标都有不同的含义。那就没有办法整了。

同样在取数据的情况下也要说明包含的数据维度。如果想要取不同地区的不同产品形态的外卖一周交易金额指标。

其中需要定义以上每个指标的含义。这样技术在处理问题的时候才知道该怎么做。（尽管产品经理认为这很简单嘛~但是毕竟要给技术开发用的，并不是每个技术都深挖业务需求，对吧。）

至此以上需要分析的数据都已经整理完毕。最后需要产出结论。

四、产出分析结论

不能单纯的把数据直接丢给领导和业务去看嘛。一定是通过有效的图表和分析结果做有效的反馈。比如一般可以通过这几种分析方法和图表。

的确以上都是数据分析师该做的，作为创业公司，基本上产品经理需要针对数据做出有效的分析。其实还涉及到很多细节方面的问题，对很多人来说，关键不是没数据，而是不知道怎么用，说白了，经验太少,遇到复杂的问题就发蒙。

究竟什么才是灰度发布其实并没有一个严格的标准，因为这个东西不是黑的也不是白的是个中间过渡地带，这类的东西定义都会比较麻烦。由于工作的原因看到好多友商所谓的灰度发布产品，有意思的是他们实现的是完全不一样的功能，对外都说自己是灰度发布。我看到的有三种：

1、更新过程可以暂停，停在一个既有新版本又有旧版本的状态，然后选择升级或者回滚。

2、支持流量比例分配，可以把百分之几的流量分配给一个服务，剩下的给另一个服务。

3、支持 url 路径流量分配，一个路径下的流量给一个服务，另一个路径流量给另一个服务。

那究竟哪个才能算是灰度发布呢？抛开具体的技术实现，让我们从需求的角度来考虑一下为什么要有灰度发布？灰度发布究竟是要做什么？从目的出发再来看技术实现就会清晰很多。

既然要灰度就是不希望所有人都看到，就是为了控制影响范围，之所以要做这种限制就说明发布的人心里对这个发布的版本就是不确定的，害怕影响范围太大风险不可控。

继续阅读 →

关于数据分析，作者分享了一些看法，希望能够对你有所帮助。

从广义来讲，数据是反映产品和客户状态最真实的一种方式，通过数据指导运营决策、驱动业务增长。数据可分为2种情况：数据监控和数据分析。

什么是数据监控？

数据监控是及时、有效的反馈出数据异常的一种手段，通过对数据的监控去观察是否异常，进而分析数据。

什么是数据分析？

数据分析是以业务场景和业务目标为思考起点，业务决策作为终点，按照业务场景和业务目标分解为若干影响的因子和子项目，围绕子项目做基于数据现状分析，知道改善现状的方法。

数据是产品和运营人员工作中重要的一部分，运营人员常说的一句话是“数据在手，天下我有”，任何事情都要以数据来说事。作为一名运营人员，我们在做运营策略的同时，需要分析大量客户数据，去观测客户行为和客户画像。同时我们应该要关心每个数据指标的增长，防止产品出现BUG，影响到我们的最终数据指标。那么我们要怎么及时发现数据异常呢？

以现金贷为例，每天我们都有大量的客户在进行交易行为，如果是有一个小时突然没有客户的交易数据，很少人会随时发觉，往往都是客户打电话询问客服“为什么APP登录不上”“为什么我提交不了资料”等等，这时大家才会发觉APP出现故障。

所以我们要做数据监控。

对于数据监控首先我们要明确几个点

• 明确监控目标
• 监控哪些数据
• 监控这些数据每个背后的意义是什么
• 数据预警

现在让我们来讲下：

1.监控哪些方面的数据？

首先关注每个环节的基础数据指标（以现金贷的基础数据来举例）

注册客户数
填写基础资料客户数
授信获得额度
发起提现客户数和发起提现金额
成功提现客户数和成功提现金额
监控这些数据每个背后的意义是什么？
通过监控每个业务环节的基础数据，如果数据异常，可以快速定位哪个环节出了问题，进而进一步的分析。

2.数据预警

数据预警是通过各种数据维度的比对发现数据异常。

预警即通过数据采集、数据挖掘、数据分析，对已经存在的风险发出预报与警示

当数据出现问题时迅速作出反应，可第一时间通知到所有人，这样就能快速发现问题。

数据预警有5个点需要明确：

①量级指标与转化指标的确定

量级指标即每个环节的数据指标，量级指标存在的意义是可以通过我们的加工成为我们想要的数据。

转化指标即每个环节的转化，通过观测转化指标可以快速定位出哪个环节出了问题。

②每个指标正常波动范围的确定

每个指标要根据历史的数据设定一个正常浮动范围。可以从以下4种数据维度去确认正常波动范围。

同比数据（与上周同一天同时段进行对比）
环比数据（与前三天同一时段的平均值进行对比）
每个环节的转化（与前N天每个环节的转化进行对比）
每个小时增幅（与前N天每个小时增幅进行对比）
举个例子，根据数据分析得出，注册客户量环比前3天的平均值的正常浮动范围是±20%。

③触发条件的确定

数据预警的触发条件要确定，通常是低于正常浮动范围就会发出预警

④预警周期与频次的确定

预警的周期通常是一天，频次半个小时一次或一个小时一次。

⑤预警方式

一般预警方式有三种

• i短信通知
• ii钉钉群通知并@所有人
• Iii Email通知

监控数据只能快速的发现数据出现异常的大概范围，不能精确地定位到具体的问题上。有人会说，那我把所有的环节都拆分为细小化颗粒，做好监控自动触发，

其实这个不是不行，这样的话一旦你一个细小化的环节出现异常而发出报警，关联到的其他细小化的指标都会受到影响从而也发出报警，这样的话太多指标发出报警，会造成你的干扰。

这是数据有效监控的一个流程，当有数据异常的时候，系统就会触发条件快速通知你，这时候你要做的就是看哪个环节出了问题。这个时候就要进行数据分析。

3.数据分析有4种方法

（1）单项分析

趋势洞察、渠道归因、链接标记、漏斗分析、热图分析、分群分析、A/B分析、留存分析

（2）组合分析

针对某个细分点，进行多维度组合分析。

（3）客户场景分析

时间、地点、需求。

举例：客户早上注册时间点

（4）建模分析

流失预警分析、客户激活分析、付费决策分析

举个例子，注册客户数急剧下降的原因，我们用组合分析，针对注册客户数这个细分点，进行几个维度的分析并得出原因。

• APP网络是否正常
• 推广注册页是否有异常
• 获取短信验证码是否有异常
• 设置手势密码是否有异常
• 分析哪个渠道的注册客户数下降并得出原因

5.分析数据要用什么去展现呢？

有2种方法：

（1）自动图表化：可以从数据后台刷选出我们想要看的数据，并且每个版块都制成图表，便于我们快速查看。举例：神策系统——把客户每个触发行为都加上埋点，按时间维度去查询我们想要的数据。

2）手动图标化

最常用的有以下几种图表：

（1）柱状图

柱状图通常描述的是分类数据，用于显示一段时间内的数据变化或显示各项之间的比较情况。

（2）折线图

折线图可以显示随时间（根据常用比例设置）而变化的连续数据。

（3）饼图

饼图以二维或三维格式显示每一数值相对于总数值的大小。

（4）条形图

条形图显示各个项目之间的比较情况。

（5）散点图

散点图也叫 X-Y 图，它将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定。

（6）漏斗图

漏斗图适用于业务流程比较规范、周期长、环节多的单流程单向分析，通过漏斗各环节业务数据的比较，能够直观地发现和说明问题所在，为决策者提供一定的参考。

（7）面积图

面积图又叫区域图，面积图强调数量随时间而变化的程度， 它是在折线图的基础之上形成的, 它将折线图中折线与自变量坐标轴之间的区域使用颜色或者纹理填充，颜色的填充可以更好的突出趋势信息。

以上7种图表都是在分析数据中经常使用的，可以根据分析数据的展示去选择不同的图表。

总结

数据监控和数据分析对于运营来说是非常重要的，做好数据监控，减少产品出现bug，影响客户的体验，减少重大事故的发生。

对于监控数据笔者仍在学习阶段，以上是最近工作中的心得分享，希望能给大家带来一些思路！

什么是金融风控系统？怎么才能搭建风控系统？为什么有人擅长在快速发展的时代掘金？他们只是有玩转风险控制的能力而已。

一、什么是风控系统？

在金融服务二八规律的大背景下，很多低端、无稳定收入的群体无法享受银行提供的金融服务，这类群体据估算约有四亿人之多，这个数十万亿市场级别的需求缺口如何来被满足呢？

小额贷款作为新型的金融服务产品应运而生，被众多公司争相追捧。据统计高峰时期全国约有五千家现金贷公司，中国传销最多的时候才有一万家。

小额信贷业务具有单笔金额小、单笔利润低、利润率高、审批速度快的特点，所以这项业务运转的前提是必须有一个能够基于客户的申请信息进行快速的系统自动化审批（人工审批太慢还、成本高）的系统，这样风控系统在这样一个风口领域就变成了最最核心的竞争力。

二、如何建设风控系统？

建设风控系统的思路跟所有互联网+的项目一样：将传统行业（信贷审批）中的经验和方法论应用于系统，让计算机自动计算原来需要人去判断的规则，所以第一个步骤就是抽象出传统人工审批的方法论。

人工审批的方法论分为以下几个环节：

准入政策（做的客户在法律范围内）
反欺诈（防止客户骗钱）
信用评估（对于好客户能借给他多少钱）
基于这样一套业务逻辑，系统需要在这几个层面上进行搭建：数据层、规则层、配置层、策略层。

1.数据层：

大数据风控的基础在于数据，这一层相当于大数据风控系统的基础设施，就像是盖楼时需要的钢筋水泥，全面、高质量的数据可以帮助我们准确地进行风险把控，大数据风控所用到的数据包罗万象，比如以下几个方面：

基础信息数据，最基本的客户四要素信息（姓名、身份证、银行卡、手机号），除此之外可以搜集客户学历、收入、家庭地址等基本信息，当然要求客户填写信息会影响客户体验，需要平衡这些信息的必要性和客户体验之间的关系。

客户的征信数据，这里的征信数据包括该客户是否在其他平台有过多头借贷行为，在非银机构是否有过逾期行为、有没有上过征信系统的黑名单等等。

运营商数据，通过运营商数据可以判断客户的设备是否有异常，比如入网时长、入网状态、每月消费情况、通话记录、短信情况等。

客户行为数据，包括客户的搜索记录、增涨记录、社交数据等，通过这些数据可以判断识别该客户是一个什么样的人、有多强的消费能力、社会关系如何等等。

2.规则层：

这一层是系统重点的核心功能，帮助我们最终输出拒绝这个申请或是借多少钱，这里的规则包括准入规则、反欺诈规则、信用评分规则等。

政策准入规则基于以下几个方面进行设定：

• 政策需要：18岁以下的人不能放贷、大学生不能放贷等
• 催收需要：青海、西藏等少数民族催收也催不回来的地方就不要放贷了
• 系统测试需要：白名单规则，只放进来某些特定人群（适用于初步搭建的系统，后续有单独的测试模块就不用在这里做了）
• 反欺诈规则主要目的是识别客户是否有骗贷风险，有多大的骗贷风险，所以规则制定的时候可以通过基于客户画像维度：目的在于通过打标签的方法识别不同的客户群体的风险程度。

之所以对不同群体的客户进行不同的反欺诈规则，而不是对所有客户都应用最全面的反欺诈规则，原因在于两点：

使用越多的规则就会调用更多维度的数据，会增加客户的征信成本；
使用过多的数据会增加集群计算的负担，客户的审批时长就会增加。
所以对客户使用适当的规则判断就需要对客户进行分类，打标签，从而达到用最小的资源、最短的审批时长且尽可能全面地识别出客户的欺诈风险的目的，客户画像的标签可以按照客户还款行为、客户申请轨迹、客户基本信息等方面进行建设，给客户打上以下的标签，例如：

客户还款情况：已借还5次、借一次未还等
客户风险等级：（黑名单、灰名单、白名单）
客户欺诈风险等级（基于客户行为）：客户行为异常、客户行为正常。
对于不同类型或组合类型的客户可以应用不同的规则包进行风险识别：比如首次申请的客户我们要判断他的基本信息是否造假、注册手机是否是自己常用的、平时消费水平如何等等很全面的信息，整体审批下来可能需要5-10分钟；但对于已经成功还款10次的客户，我们可能只需要判断一下该客户近期有没有被加入到征信系统的黑名单中就直接放款了，让客户享受秒批的快感（整个审批流程只需要5-10秒）。

对于小额信贷产品来说，因为客户申请的金额很小，但是企业需要承担获客成本、支付成本、征信成本、集群成本、人力成本等众多成本项，所以新客户（只贷款一次）基本是无法给企业贡献利润的，小额信贷业务的利润主要来自复贷客户，在这个前提下复贷客户的产品体验就很重要了，谁能给客户提供快速顺畅的体验，客户就会去哪家借款，所以平衡好复贷客户的风险和产品体验是小额信贷业务能否盈利的关键。

3.配置层：

这一层的功能主要服务于风控规则的快速迭代和系统的个性化配置，这一层的主要功能对于处于不同发展阶段的企业不尽相同，这里只介绍一些基本的配置功能：

规则管理：规则管理模块的功能包括配置不同规则包所包含规则的内容，比如面向特别优质的客户，我们希望提升一下风险识别的全面性，那就需要在优质客户规则包中增加除了黑名单之外的功能，这里的规则包配置就可以快速灵活地配置完成增加规则的操作，由于业务发展波谲云诡，欺诈手段变幻莫测，及时应对各种外界状况变得至关重要。

规则开关：由于各个单条规则需要调用的数据源不同，如果某条规则需要调用第三方数据源，而与第三方的对接可能由于各种情况出现异常或者成本变化，我们就需要灵活地调整在线的规则，为了保证自动化审批的顺畅，出现异常的规则要迅速下线，而面对识别出的潜在团伙欺诈要迅速上线审批严格的规则（如调整规则阈值，将非银机构多头借贷次数从20次调为0次）。

风控服务开关：风控系统的根本作用在于对于放款客户的风险把控，对于刚刚启动业务的公司来说，最担心的是团伙欺诈，在基础设施还不完善的时点，直接将审批闸口断掉是防范欺诈，降低损失的最后一招，所以这个开关可以让客户处于队列等待状态，既不完全拒掉（有可能错杀好人），也不通过放款，待系统准备好完善的防范规则再开启开关。

4.策略层：

这一层主要是对不同类型的客户进行授信政策的分配，比如对于新客户分配500元、10天的授信；对于1个月内复贷10次的客户分配800元，20天的授信；对于3个月内复贷10次的客户分配1000元、30天的授信。

在设计授信政策的时候需要考虑好影响因素，比如复贷时间周期、次数、金额、还款逾期情况等等，这样做的目的在于防范好深度欺诈客户和优待平台忠诚客户。

除了以上的基层系统服务，还需要其他的工具型产品来帮助我们更好地优化系统策略，比如AB测试工具、数据分析系统等等。

三、结语

总而言之，大数据风控系统的设计目的本质上是基于数据的力量，防范客户欺诈，灵活多变地采取不同的应对策略，道高一尺魔高一丈，甄别出有欺诈风险的客户，为真正有需求的客户提供高体验的金融服务。

作品集（Portfolio），就是你通往世界名校的简历。尤其是一名设计类的申请学员，如何才能让你的作品打动考官，取得他们的赞同；如何让他们能了解到你的创意思维，走进心仪的名校，一份个性化且符合自身能力的作品集尤为重要。

那么，产品设计作品集如何制作，有什么技巧呢？小编结合自己的经验，与大家系统性地分享一下作品集的设计思路，希望对小伙伴们能有所帮助。

产品设计作品集如何制作

一、确定主题：从个人的兴趣爱好上去选择方向，从而确定出你这个产品的主题，这样能让你的整个设计过程充满创作动力。还有就是可以选择当下热门产品，或者是社会现象上去设计新的产品，这样更能引起大家的共鸣。

二、调研报告：同学们在做作品集的时候，一定要从产品的方向出发去做市场研究，可以从产品的历史、发展趋势、竞品研究等方面去做调研;同时还要研究好客户的心理需求等。

三、设计方案：在做完调研后，需要围绕不同的方向同学们可以设计不同的解决方法以期达成最终的设计目标，并可以通过故事板、手绘草图、角色扮演、草模制作等可视化方式辅助方案呈现，推敲设计可行性。

四、制作排版：对于产品设计作品集图面制作，需要整合全部的设计过程，将市场研究的数据&结果、客户调研的关键信息，设计方案的过程及最终方案以最恰当的形式予以展示。

产品设计作品集制作技巧

一、清晰的逻辑性：产品设计不同于传统的工艺制作。从项目构思到真正的设计过程，学生们需要对产品有深刻的了解，以及对客户心理需求，市场数据分析等都要学生们保持缜密的逻辑思考。这是国外大部分院校对申请留学作品集重点考核的地方，同时也是我们申请成功之后在外学习的主要训练内容。

二、可读性的排版：整个作品集是为了让考官能更清晰了解到你这个项目的产品。因此我们在做排版的时候需要保持项目的完整性，作品尽量以图片为主，文字为辅。进行加粗、斜体、变换字体颜色以及改变字体字号等方式可以增加版面的可读性。

artslink国际艺术教育拥有多年留学服务经验，擅长各项留学服务，对产品设计作品集指导有着丰富的经验，对于一些表现特别突出的优秀学员，我们还会举荐保送到世界顶级设计工作室实习，帮你提升专业技能。

经artslink国际艺术教育指导的学生，罗德岛、艺术中心设计学院、皇家艺术学院、中央圣马丁艺术与设计学院等知名学府是申请成功率在行业内是遥遥领先的。