•作为核心成员完成校园网页端数据看板项目，从需求调研到原型设计全程主导，推动上线后日均访问量提升40%，深度体验了面向管理层的数据产品孵化过程。
•组队参与全国大学生市场调查大赛，利用网页埋点数据与问卷分析校内外卖配送痛点，输出产品改进方案并获得华北赛区二等奖，强化了数据驱动决策与产品思维。
北京融创数智科技有限公司 - 产品研发部互联网科技创新企业
2018.06-2022.05
数据分析网页产品经理数据产品网页端体验产品策略
北京
•负责企业级能源数据分析SaaS网页产品的全生命周期管理，从需求调研、产品路线图制定到持续迭代，确保产品方向与公司战略对齐。
•深入挖掘能源行业客户在设备监控、能效分析等方面的需求，通过用户访谈与产品埋点数据分析，发现用户对报表生成效率的抱怨，主导设计了智能报表引擎，将报表制作时间从小时级缩短至分钟级，新用户上手时间缩短了40%。
•与研发、设计、测试团队紧密配合，主导敏捷开发流程，建立站会与回顾机制，在一次重大版本发布中提前识别数据接口兼容性风险，协调技术预研，确保版本按时上线，上线后核心功能使用率提升了35%。
•持续追踪竞品与市场动态，分析Tableau、Power BI等产品的网页端策略，结合自身产品在能源行业的垂直优势，提出“轻量化数据工作台”的差异化定位，将产品从通用工具转型为行业解决方案，半年内市场份额提升18%。
北京智联云创科技有限公司 - 产品部软件研发行业解决方案提供商
2016.07-2018.05
产品经理（数据分析方向）产品设计数据工具敏捷实践
北京
•作为产品经理，负责公司面向零售连锁行业的数据分析工具产品规划与设计。
•主导了一款针对零售客流与库存优化的数据分析网页工具的产品设计。通过与区域经理、店长等角色的深度访谈，挖掘出他们在销售预测、库存周转等场景的痛点，设计了客流热力图、智能补货建议等模块，工具上线后帮助客户平均库存周转率提升25%，客户续约率提升30%。
•推动Scrum敏捷开发流程，引入用户故事地图与影响地图方法，定期组织需求澄清会，使产品需求的开发周期缩短了40%，无效需求大幅减少。
•负责产品市场推广的物料支持，与市场团队共同策划了“数据驱动门店增长”线上直播分享，结合行业白皮书内容，精准触达目标客户，单场活动获取有效销售线索400余条，有力支撑了产品的市场渗透。
•项目背景：公司决定开发一款面向能源行业的全新数据分析网页平台，以满足电网负荷预测、新能源消纳分析等场景需求。
•项目职责：作为产品经理，全面负责该平台的产品规划、需求定义与上线推进。
•需求调研：深入走访5家省级电力公司与2家新能源企业，与调度、营销、运检等部门人员深度访谈，整理出20余项核心需求，确定了负荷预测模型、能耗监控大屏、设备故障预警等三大功能模块。
•产品设计：依据调研结果设计产品原型，输出详细功能规格文档，特别针对电力行业的数据安全与合规要求，设计了基于角色的数据权限隔离与操作日志审计机制，确保符合行业监管标准。
•项目推动：协调前端、后端、数据工程师及行业专家，制定12周迭代计划，通过每日站会与每周进度复盘，及时解决数据建模性能瓶颈，将预测算法响应时间从20秒优化至5秒，保障项目按时交付。
•项目成果：平台上线后，成功赢得3家大型能源集团的试点合作，试用期间客户对负荷预测准确率提升至95%给予高度评价。根据试点反馈快速迭代，预计正式推广后一年内可签约10家以上企业客户，为业务线贡献年收入800万元以上。
•项目背景：公司现有数据分析网页产品用户活跃度出现下滑，用户反馈集中指向页面响应慢与图表交互复杂，亟需一次深度体验重塑。
•项目职责：担任产品经理，主导用户体验优化专项，从数据诊断到方案落地全程负责。
•用户体验调研：通过热力图与用户行为回放分析，结合2000份用户问卷与30余次深度访谈，梳理出核心体验问题清单，包括首屏渲染时间过长、多维数据筛选流程繁琐、图表下钻交互不直观等。
•优化方案制定：针对首屏加载慢，协同技术团队重构数据请求逻辑，采用懒加载与缓存策略，将平均加载时间从6秒降至2秒；针对筛选流程，重新设计导览式筛选项，将典型操作步骤从7步精简至3步；针对图表交互，引入语义化提示与联动下钻，大幅降低用户学习成本。
•项目执行与监控：协调设计、前端、测试团队，按照优化方案分三个迭代发布，建立关键体验指标看板，实时监控页面性能与用户行为变化，上线前进行两轮内部走查与种子用户灰度测试，根据反馈微调交互细节。
•项目成果：优化上线后，产品周活跃用户数提升28%，次日留存率提升22%，关键任务完成率提高35%。通过建立持续的用户体验监测机制，后续版本迭代的满意度评分稳定在4.8分以上，重新激活了产品增长动力。
数据分析与网页产品工具栈:
精通Tableau与Power BI，曾为校园创业团队搭建运营仪表盘，实时监控用户增长与留存，直接支撑周度产品复盘会。
熟练掌握SQL进行用户行为日志分析，能通过窗口函数与多表关联计算次日留存、转化漏斗，多段实习中独立完成数据提取与报告。
掌握Python数据分析全流程，善用Pandas清洗埋点数据、Statsmodels进行分组对比，结合Plotly制作交互式可视化，提升分析说服力。
