🦉

工作分析报告

郑文波 · 副总经理 · 健康管家事业部

报告生成时间:2026 年 04 月 06 日 | 阿康 - 老张的工作助手

📋 执行摘要

核心结论:文波的工作聚焦清晰,50% 时间投入高价值业务(直接体现营收毛利),30% 投入战略方向(AI 健康管家),20% 为过渡期必要投入。产品标准化推进后,可释放 20% 精力加速 AI 能力建设,形成业务飞轮。
50%
高价值工作
30%
战略投入
20%
过渡期投入
50%↓
非标准化项目降低

🎯 岗位职责边界

"为各经营单元,通过产品设计和项目管理,解决产品标准化输出问题,达成 C 端和 B 端营收毛利目标"

核心职责

  • 产品设计:健康管家服务包(toC 40% + toB 60%)
  • 项目管理:非标准化项目前期评估、投入产出分析
  • 标准化推进:服务内容、定价、模式标准化
  • 营收责任:C 端和 B 端营收和毛利目标达成

工作边界

亲自做 团队做
非标准化项目前期评估 标准化项目落地执行
投入产出分析决策 售中售后运营执行
产品标准化框架设计 日常客户对接维护
中台资源协调 文档整理与流程跟进

⏰ 时间分配分析

当前时间账本

企业健康管家(项目跟踪 + 成本可视化) 50%
AI 健康管家建设优化 30%
健康管家服务产品优化 20%
价值评估:
  • 50% 企业健康管家 → 直接体现营收和毛利,最高价值
  • 30% AI 健康管家 → 战略投入,短期无变现但符合「人+AI」战略方向
  • 20% 产品优化 → 过渡期必要投入(刚接管产品,需了解情况 + 流程优化)

标准化后的时间释放

预期变化:产品标准化完成后,非标准化项目降低 50%,释放约 20% 时间

释放时间投入方向:

  • 加大 AI 健康管家投入(能力建设 + 场景验证)
  • 企业健康管家新服务设计(特别是 AI 能力应用)

👥 团队与协作

团队结构

团队规模

3 人扁平化

文波 + 2 运营(B 端+C 端)

中台支撑

研发/产品/设计/服务

公司中台部门,不直接归属

协作状态

维度 状态 备注
团队能力 ✅ 良好 2 人均可顶替,B 端 C 端都能覆盖
中台响应 ⚠️ 顺利 产品人员并发较厉害,存在瓶颈
工作交接 ✅ 清晰 项目确认合作模式后交给团队落地

🤖 AI 提效现状

AI 使用成熟度:技术出身,深度使用 AI 工具

当前 AI 应用场景

文案

文档、方案、沟通材料

方案初稿

快速生成框架和内容

思路

开放式思考与头脑风暴

行业分析

竞品调研、趋势判断

产品赋能

AI 能力集成到产品服务

优势:文波对 AI 能力边界理解深入,不需要基础培训,可直接进入高阶应用场景(如 AI 工作流自动化、智能决策支持等)

💡 改进建议

短期(1-2 周)

  • 建立项目评估模板:将 80% 的"非标准化"评估维度标准化(成本、服务人群、权益内容、报价等),减少重复决策
  • 售中售后信息看板:用可视化看板替代人工查看,设置异常预警机制,正常项目不干预
  • 中台资源预约机制:提前 2 周预约产品资源,减少并发冲突

中期(1-2 个月)

  • 产品标准化完成:服务内容、定价、模式标准化,非标准化项目降低 50%
  • AI 健康管家 MVP 验证:选择 1-2 个高价值场景(如健康问题咨询、分科导诊)快速验证
  • 团队能力升级:培养 2 个运营人员独立处理 70% 前期评估工作

长期(3-6 个月)

  • AI 能力产品化:将 AI 健康管家能力封装成标准服务包,支持快速复制
  • 业务飞轮形成:企业健康管家场景验证 AI 能力 → AI 能力降本增效 → 更多客户采用 → 更多数据反哺 AI
  • 精力重新分配:从 50/30/20 调整为 40/40/20(企业健康管家/AI 健康管家/其他)

📅 下一步行动

事项 时间 负责人 状态
产品标准化框架确认 2026-04-15 文波 进行中
AI 健康管家 MVP 场景选择 2026-04-20 文波 + 效能中心 待启动
项目评估模板设计 2026-04-25 文波 + 运营团队 待启动
工作分析复盘 2026-05-06 文波 + 阿康 已预约

🎯 战略对齐

与老张「人+AI」战略的对齐:

健康管理行业核心痛点是 ROI 为负(投入 100 元成本,客户只愿付 20 元)。文波负责的 AI 健康管家建设,正是通过「AI 兜底 7×24 服务」将成本从 100 元降至 20 元以下,实现 ROI 转正的破局点。

文波的价值

站在业务和技术的交叉点,既能理解业务痛点(营收毛利压力),又能理解 AI 能力边界,是「人+AI」战略落地的关键角色

关键成功因素

产品标准化释放精力 → 加大 AI 投入 → 形成业务飞轮 → 验证 ROI 转正模型 → 规模化复制