小王

从市场调研一路跟到策略量化，最后落在 GMV 这个数字上。

• 市场调研针对 IP 市场与已有产品属性条件，进行多维度调研归纳整合，找到匹配 IP 对象，夯实项目基础。
• 数据解读基于市场业务数据，利用逻辑拆解提炼 IP 适配产品的核心特点，挖掘数据背后对应的用户人群。
• 策略量化拆解业务核心动作，制定可落地的监控指标体系，量化 IP 联名策略，敏捷监控策略落地情况。
• 项目成果结合社交平台数据梳理用户画像，利用 IP 赋予产品差异化体验价值，实现 GMV 同比增长 4.7%。

按 OneData 理论把数仓切成四层，第一次正经做数据工程。

• 数域分层围绕电商核心业务，清晰划分订单、物流和商品等数据域，使模型更易于管理和扩展，提升效率。
• 数据清洗依据业务逻辑设计数据质量规则，通过 SQL 完善数据质量监控 DQC 建设，保障高质量数据输出。
• 指标建设依据策略与考核需求，基于行为数据表计算构建监督体系指标，支撑业务复盘反思与策略迭代优化。
• 项目成果遵循 OneData 数据仓库分层理论，将系统划分为 ODS、DWD、DWS、ADS 四层，取数效率提升 50%。

开城最乱的三个月里解了 4 次异动危机，全靠指标体系定位问题。

• 数据支持作为中台从 SQL 数据库取数，为前端提供各个维度的自动化 BI 看板，并复盘总结每日指标情况。
• 归因分析根据商家—骑手—客户业务流程建立指标体系并监控核心指标，进行时间、空间等横纵维度的归因。
• 策略迭代依据自动化 BI 看板寻找切入点，利用 Excel 对现有策略进行成本收益测算，优化活动和策略。
• 异动分析追踪物流核心指标，利用指标体系定位问题数据并进行业务核实，根据 ICE 原则输出方案。
• 项目成果2023 年 7-9 月期间解决 4 个异动变化危机，物流成本降低 8%，物流质量指标上涨 10%。

第一次从行业调研做到产品假设，北极星指标和 ICE 都是在这儿用熟的。

• 行业分析调研行业头部品牌及拳头产品，洞察核心用户需求，梳理行业头部品牌商业模式与关键业务动作。
• 指标体系通过关键业务动作梳理指标公式并整理成指标体系，根据企业现处商业阶段确定北极星指标。
• 产品假设根据行业分析与头部品牌营销分析提出开品假设，根据 ICE 原则确定最优假设项，输出产品方案。
• 策略输出结合产品特点与用户反馈梳理用户画像，明确供应链各渠道现状和促销方式，总结最优营销策略。