数据产品负责人

1.负责数据产品规划与方向管理 深入理解业务工作流程，识别数据获取、变量使用、分析决策等环节的关键问题，制定产品路线图。结合业务价值、实施成本、风险和资源约束，明确阶段目标、投入重点、优先级和验收标准。 2.推动数据资产产品化与平台能力整合 协同业务、研发等团队，完善指标、变量及数据资产的定义、口径、适用场景、质量、血缘和权限管理。围绕找数、取数、分析、报表及结果共享等核心任务，推动平台能力整合、流程简化和标准工具沉淀，提升数据资产的发现、使用、复用与退出效率，降低使用门槛和重复建设。 3.推动 DataAgent 等 AI 数据应用落地 从具体业务任务出发，设计 AI 与数据平台的协作方式，明确所需知识、数据口径、工具能力、权限控制及人工复核机制。建立效果评估和反馈机制，持续提升任务成功率、结果可信度、使用成本和实际效率。 4.负责产品运营与价值验证 建立产品使用和价值指标，持续跟踪用户使用情况、未使用原因及使用过程中的问题。推动用户采用、存量流程迁移和持续迭代，通过任务完成效率、资产复用、交付质量和业务收益验证产品价值。 5.负责跨团队协同交付与团队建设 协同业务、研发、测试等团队，清晰传递需求背景、业务规则、异常场景和验收预期，推动关键决策和依赖解决。负责团队目标拆解、任务分工、人才培养和工作质量管理，亲自参与关键产品设计和复杂问题解决，并沉淀团队可复用的知识、规则与工作流程。

1.具备数据产品建设与团队管理经验 具备数据平台、数据治理、指标与变量管理、BI 或数据分析类产品的完整建设与运营经验，主导过复杂产品或核心产品线，并具备团队管理经验。 2.具备扎实的业务理解、产品判断和数据能力 能够通过用户访谈、流程观察和数据分析识别真实问题，完成需求抽象、方案取舍与优先级判断。熟悉数据从采集、加工、建模到分析和应用的基本链路，理解元数据、数据质量、血缘、权限和指标口径等概念，能够使用 SQL 开展分析，并与研发团队讨论方案可行性、成本和风险。 3.具备产品运营意识和结果责任感 能够建立指标基线，通过使用反馈和效果数据持续改进产品，并清晰说明过往项目中的关键判断、个人贡献和实际成效。 4.具备 AI 应用落地、跨团队推动和人员培养能力 有将 AI 用于实际工作的经验，能够亲自完成需求探索、原型验证或分析任务，并判断输出是否可靠。理解大模型在知识时效、结果准确性和工具调用方面的局限，能够将这些边界转化为产品设计要求。面对目标分歧、资源约束和复杂依赖，能够坦诚沟通、提出取舍、推动决策，并带领团队持续交付。

优先考虑： 1.有金融科技、信贷、风控、策略或经营分析领域经验，理解数据与变量如何进入业务决策。 2.有数据平台整合、标准资产推广、存量系统迁移等经验，并能提供用户采用和效果改善案例。 3.有 AI 数据分析、智能体或企业知识应用的实际落地经验，参与过上线后的评估、运营和持续迭代。