首家大数据培训挂牌机构 股票代码:837906 | EN CN
阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

一个P2P平台的详细运营框架是怎样的?

于2017-04-01由小牛君创建

分享到:


P2P

前言

运营分战略层运营和执行层运营。战略层运营考虑的是整个公司的资源、模式、预算、节奏;执行层运营根据战略定位执行提升流量、用户数、品牌、交易数据、销售数据等工作。前者只能是公司老板或者个别高层。

相比产品、技术,运营由于有额外的资源(钱)、有业绩压力,更需要考验领头人的决断能力和整个团队的执行能力,走错一步、走慢一步可能会带来很大遗憾。

问题是,在绝大部分互联网公司里,运营并没有得到应有的重视。大部分运营不过是在做打杂的事、在围绕KPI做临时抱佛脚的事。

所谓的应有的重视并不是指给运营更多的资源。是否坚定树立以运营为中心的网站观,让产品为运营服务、让技术为运营服务是其中最大的差别。过去互联网的发展先后走过了以编辑为中心、以技术为中心、以产品为中心的路线。早晚有一天,权力者们会明白,以运营为中心,彻底构建产品、技术、内容为运营服务的文化,运营指哪打哪,才是一个网站的合理运行之道。

理论上说,CEO的职位就是干这个的。无奈众多互联网公司的CEO往往只是PR、BD,或者与资本市场沟通的角色,很难要求CEO深入到业务层面做扎实的运营规划工作和执行监督工作,自然无法依赖CEO做出执行层正确的判断(战略层的运营才是其重点工作)。因此运营带头人的工作变得无比重要。

至于如此文化和压力下运营是否能做出正确的决策、是否能尊重用户、是否能熟悉业务、是否不依赖资源硬推广,一切看结果,结果不理想就可以考虑换人,直到外部找到或者内部提拔到合格的运营为止。

产品思维是:我要做一个NB的、完美的功能或者竞品分析、用户分析后觉得我们应有的产品/功能,解决用户需求。

技术思维是:需求写清楚我就做,不写清楚就打回去想清楚。

运营思维是:首先必须建立一套数据监测体系跟踪评估我们的努力。其次考虑现有资源和现在市场环境,我们要出一个功能/活动,目的是***,N天内必须上,考虑到时间,产品别浪费时间写事无巨细的PRD,技术别只埋头写代码挑剔需求,需求阶段就必须给产品足够的协助,需求大概沟通清楚就必须开始,大问题事前解决,再有问题事中事后解决。结果好坏我们看数据监测,无论好坏都总结经验教训,做好了团队立刻有奖励。

哪种思维更符合互联网的发展趋势和企业管理原理呢?不言自明。

回头来谈P2P平台执行层的运营

作为一个网站,P2P平台有很多互联网网站早已摸索总结出来的特性,譬如(有效)流量是基础、(活跃)用户数是根本、交易数据是命脉。一切运营执行层的打法,结合平台模式和自身资源,都围绕这三个数据的提升去工作。而P2P平台自身的特性又在这三个关键指标的提升中暴露得非常明显。

流量

流量分付费流量和免费流量。

付费流量又分精准流量和非精准流量。精准流量渠道主要是SEM、金融网站/公众号,非精准流量就是一切有大流量的网站/客户端/APP端如各类大型社区、网址站、工具软件等。

免费流量主要依赖SEO、平台自身微信/微博、大型社区。

有钱的平台73分,没钱的平台37分。

没有什么比(有效)流量更基础了。

一个功能强大的流量监测工具是流量工作的必备。

流量分析是网站分析工作中最基本的一环。

流量来源渠道分析是流量分析中最重要的。

有钱的平台砸一遍基本就能知道各渠道流量质量如何,优质渠道投入资源固定维护关系,普通渠道定期关注即可。

对新流量渠道开拓的工作应是孜孜不倦的。

用户数

流量来了,怎么变成用户?

P2P网站根据自身模式,往往有两类用户,1借款人/企业;2投资者。

1类用户很难拓展,大部分来源于线下合作,提升该类用户更多靠BD和平台背景,这里重点谈下投资者。

投资者选择平台的原因各种各样,但本质上还是冲收益高、安全和体验去。

标的的基本收益完全依赖于战略层的定位改变不了。

不过红包类活动、新手标类设计是最容易刺激新用户注册的。

此外观察行业竞品收益率变化甚至其他热门金融产品收益率变化,也会有一定文章可做。

安全能被分解成无数要素,可能是平台背景、模式、流动性等。

网站的内容更新、产品设计、页面UI设计、技术支持上,必须围绕这些因素去设计。

网站越让人感觉安全,用户越容易注册。

体验分网站使用体验和投资体验,前者靠产品和交互,后者靠产品和客服,骨子里都靠技术。

此外,第三方平台的口碑,负面信息的影响,也非常重要需要定期维护。

用户注册了,怎么变成活跃用户?

首先还是得依赖良好的数据监测系统。一个强大的用户监测系统能够筛出不同特性的用户,从而让运营人员接近、分析、了解用户。运营人员越贴近用户,越能明白怎样让他们变活跃。股票行情好的时候投资者固然会抽出资金,年终奖即将发放,平台也应考虑这块难得的小肥肉。

P2P网站本质上是交易型网站,用户来了就走。P2P又不像电商,用户可以高频次交易。

怎么刺激用户变成活跃用户?让他们多投资、多交流、多学习、多见面。

投资的话题下边谈到交易数据再讲。

交流是给投资者一个论坛。固然这样透明的交流场所会放大平台的缺点,然而也会加倍放大平台的优势。众多谨慎的投资者是在论坛和QQ群中逐渐对平台产生信任。

学习是给投资者一个教育环境。受行业低级平台和民间投资公司、担保公司牵累,平台受的不白之冤太多。如何给投资者更好的理财教育而不是粉饰宣传,需要用心,投资者不是傻子。此外,P2P不过是投资者资产配置中的一环而已,不应过分贬损其他金融理财工具。宣传时只强调收益也是较初级的宣传手段。

见面是拉近平台与投资者的重要手段。见面会不单可以听取意见宣传品牌,还可以承载重要的拉投资的功能。金融行业永远需要对客户区别对待,一个大客户及大客户身边的人脉胜过无数小客户,如何挖掘客户身边的人脉不能仅仅通过简单的产品设计。定期举办公开/不公开的客户见面会,有助于平台更好地凝聚投资者。这是P2P网站和一般网站明显不同的环节,也是互联网人不习惯做的领域。

交易数据

如前所述,借款项目取决于BD和平台背景。在被众多担保公司不负责任教育后的当今投资者市场和媒体报道环境,平台单纯依赖担保公司、小贷公司输入借款项目已经捉襟见肘。P2P行业会越来拼借款项目的获取能力,投资者也会越来越看重平台这方面的能力。

如何提升投资数据?

相比借款数据,投资数据比较容易提升。

除基本的加强流动性工具设计外,对投资者基本利益的重视往往从客服电话、客服QQ、QQ群中就能感知到。P2P行业的客服不应是只会机械背话术打字的廉价劳动力。平台客服应是投资者专业的P2P理财顾问,她们更多需要站在投资者的角度去解决客户疑惑去关心客户,少一点站在平台的角度搪塞回避问题。理想化一点,客服应该是最熟悉业务的岗位,是用户需求的感知者,也是产品推进的原始驱动力。

往往越是以产品为中心、以技术为中心的项目越不会重视客服。只有以运营为中心,才会把一线接触用户的客服当成是宝贝。眼下口碑较好的平台,哪家CEO和高管不都在维护客户利益发出平台声音?

人人都应是自家平台的客服。相比起给平台挑bug、提创意、上功能,重视及迅速解决客户的每一个实质问题更重要。

以用户为中心是互联网人早已达成的共识,不过这个理念在金融领域并不是互联网领域常见的做用户调查、画像、访谈。只有平台真正对投资者好、急投资者所急,敢于跳出所谓的规章制度流程时间的限制,去解决投资者的问题,这才能真正受到投资者的爱戴。

否则,业内有家页面粗糙(未改版前)、收VIP费用、屡爆危机、老板既非专业互联网背景也非专业金融背景更没有线下事业做支撑,是如何受到投资者的热捧从未掉出top5呢?

赢得了投资者的心。

(注:不代表我不觉得他们没问题,只代表投资者对其认可度的不可思议现象背后的分析)

有别于其他互联网领域,P2P网站,用户间的彼此影响是被放大的。一点点好会被投资者疯狂传播,一点点坏也会被投资者疯狂传播。这本质上跟线下其他金融公司是相似的。在涉及到财富的领域,不考虑政府硬加的门槛设置,专业的投资者服务、口碑维护远远比一切更重要。

最后,无论是战略层运营还是执行层运营,最缺的永远是人,最容易忽视的工作也永远是人。

P2P这个领域,既跟互联网相关又跟金融相关,很难找到两边知识储备都有且足够专业的战力。

无论是公司层面还是部门层面,相应的培训、知识沉淀、薪酬机制、淘汰机制都必须跟上,否则人员流动和凝滞都会制约发展。小平台固然可能沦落成给大平台培养战力的跳板,大平台也可能变成给小平台培养中高层的工具。

作者:神原,微信公众号:理财牛 licainiu365

End.