经验丰富。 （2）本书的作者来自多个行业，所以本书的视角比较丰富，有各行各业的应用场景和案例，本书的通用型和普适性强。 （3）本书得到了阿里、*、字节跳动、网易、快手、数澜科技等企业的10位专家的大力推荐。 （4）全面讲解数据分析、数据埋、数据中台、数据指标体系、数据管理、数据服务、用户画像等11大数据产品知识体系。
售 价：¥
纸质售价：¥49.00购买纸书
6.7
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
赞誉
序一
序二
作者简介
前言
第1章 全面认识数据产品经理
1.1 什么是数据产品
1.1.1 数据产品定义
1.1.2 数据产品组成
1.1.3 数据产品类型
1.1.4 数据产品衡量
1.2 数据产品详解
1.2.1 用户数据产品
1.2.2 商用数据产品
1.2.3 企业数据产品
1.3 数据产品经理能力模型
1.3.1 产品经理能力
1.3.2 数据专业能力
1.3.3 软能力
1.3.4 不同级别的能力要求
1.4 数据产品经理分类
1.4.1 平台型
1.4.2 应用型
1.4.3 策略型
1.5 数据产品经理的应聘与招聘
1.5.1 如何应聘
1.5.2 如何招聘
1.6 数据产品相关案例
1.6.1 商用数据产品研究案例——Domo
1.6.2 数据产品经理面试案例
第2章 数据分析方法论
2.1 数据分析的基础流程
2.2 有价值的数据结论
2.2.1 什么是有价值的数据结论
2.2.2 怎样得到有价值的数据结论
2.2.3 得到数据结论的案例
2.3 数据分析基础方法
2.3.1 全链路分析
2.3.2 组成因子分解
2.3.3 影响因子拆解
2.3.4 枚举法
2.4 数据分析方法使用案例
2.4.1 案例一：多种分析方法寻找增长点
2.4.2 案例二：找到对公司有价值的需求点
第3章 产品路线图
3.1 制定产品战略目标
3.1.1 产品愿景
3.1.2 产品目标
3.1.3 产品路线图
3.1.4 产品迭代计划与任务
3.2 收集并整理需求
3.2.1 用户/客户反馈
3.2.2 竞品分析
3.2.3 销售人员和客户服务人员
3.2.4 行业分析
3.2.5 头脑风暴
3.2.6 数据反馈
3.3 确定优先级
3.3.1 价值与复杂度模型
3.3.2 加权评分
3.3.3 KANO模型
3.3.4 SWOT分析
3.3.5 四象限分析法
3.4 规划路线图
3.5 我们是如何进行路线图规划的
第4章 数据埋点体系
4.1 数据埋点概述
4.1.1 什么是埋点
4.1.2 埋点的意义
4.1.3 埋点的类型
4.2 如何做好埋点
4.2.1 目标收集
4.2.2 字典管理
4.2.3 埋点管理平台
4.3 埋点技术
4.3.1 JavaScript埋点
4.3.2 App埋点
4.3.3 埋点技术的选择
第5章 数据中台
5.1 数据中台是什么
5.1.1 数据中台的由来
5.1.2 中台的彷徨
5.1.3 中台是一种企业战略
5.1.4 中台是战略下的组织协同
5.1.5 中台是技术与业务的综合体
5.1.6 数据中台下的数据产品经理
5.2 数据中台的产品形态
5.2.1 统一指标平台
5.2.2 统一标签平台
5.2.3 可视化报表平台
5.2.4 智慧营销平台
5.2.5 数据中台产品的产品思维
5.3 如何构建数据中台
5.3.1 定战略
5.3.2 改组织
5.3.3 深业务
5.3.4 做统一
5.3.5 享服务
5.3.6 业务评价下的数据中台
5.3.7 黄埔军校式的数据中台
第6章 数据指标体系
6.1 数据指标体系的概念与价值
6.1.1 什么是数据指标体系
6.1.2 数据指标体系的价值
6.2 数据指标的分类
6.2.1 指标的类型
6.2.2 数据指标的类型
6.3 数据指标体系的建设
6.3.1 数据指标体系设计原则
6.3.2 数据指标体系建设的方法与步骤
6.4 数据指标在各行业的应用
6.4.1 电子商务
6.4.2 内容文娱
6.4.3 在线教育
第7章 A/B测试系统搭建
7.1 A/B测试简介
7.1.1 A/B测试起源
7.1.2 A/B测试特点
7.1.3 A/B测试场景
7.2 A/B测试流程
7.2.1 试验需求洞察
7.2.2 试验需求发起
7.2.3 试验方案设计
7.2.4 试验需求落实
7.2.5 试验效果分析
7.3 A/B测试系统设计
7.3.1 A/B测试系统核心功能
7.3.2 A/B测试系统设计方案
7.3.3 A/B测试系统设计要点
7.4 A/B测试案例分析
7.4.1 奥巴马竞选总统
7.4.2 商品详情页相似推荐
7.5 A/B测试经验建议
7.5.1 培养驱动文化
7.5.2 自研或第三方工具
第8章 数据管理
8.1 数据的类型和主要特点
8.1.1 数据的类型
8.1.2 三类数据的主要特点和差异
8.1.3 业务数据有数据管理吗
8.2 主数据管理
8.2.1 主数据管理概述
8.2.2 主数据管理四要素
8.2.3 业务输入
8.2.4 主数据管理产品化解决方案
8.3 元数据管理
8.3.1 元数据管理概述
8.3.2 元数据管理标准
8.3.3 元数据管理解决方案
第9章 数据服务
9.1 数据服务概述
9.1.1 什么是数据服务
9.1.2 为什么要做数据服务
9.1.3 数据服务的利益相关者
9.2 基于标准指标的数据服务
9.2.1 API服务
9.2.2 API服务的用户路径
9.2.3 指标池服务
9.3 基于Hive表的数据服务
9.3.1 可视化模式
9.3.2 开放平台自定义SQL模式
9.3.3 两种数据服务的对比
9.4 相关问题
9.4.1 局限性与挑战
9.4.2 数据内容
9.4.3 公共维度
9.4.4 选表逻辑
9.4.5 数据安全
9.4.6 权限控制
9.5 数据服务构想
第10章 策略产品详解：以搜索系统为例
10.1 策略产品经理的前世今生
10.1.1 策略产品经理定义
10.1.2 策略产品经理的思维体系
10.1.3 一个策略产品的小需求
10.2 策略产品经理常用思维方式和分析方法
10.2.1 策略产品经理常用的思维方式
10.2.2 策略产品经理常用的分析方法
10.3 如何维持搜索系统的迭代和运转
10.3.1 从整体架构入手
10.3.2 从用户需求入手
10.3.3 从具体问题入手
10.3.4 从业务发展入手
10.4 搜索产品案例实践
第11章 用户画像
11.1 用户画像概述
11.1.1 用户画像的基本概念
11.1.2 标签的类型
11.1.3 标签生命周期管理
11.2 用户画像从0到100的构建思路
11.2.1 用户画像从0到1的构建思路
11.2.2 用户画像从1到100的构建思路
11.3 单个用户标签的做法
11.3.1 用户标签的生产流程概述
11.3.2 不同公司的标签生产重点
11.4 标签案例一：算法标签的一般生产流程
11.4.1 标签定义分析
11.4.2 用户行为获取（特征探查）
11.4.3 模型设计
11.5 标签案例二：加入内容标签的用户标签生产流程
11.5.1 标签定义分析
11.5.2 内容标签制作
11.5.3 用户标签模型设计
11.6 用户画像的效果验收
11.6.1 算法指标验收
11.6.2 分布验证
11.6.3 交叉验证
11.6.4 抽样评测
11.7 做好标签系统需要注意的事项
11.7.1 做好标签系统的MVP测试机制
11.7.2 时间在用户标签中的用法
11.7.3 问题解答
后记 一个老数据人的杂谈
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
