展开全部

主编推荐语

12位资深数据产品人经验总结,详解11个数据产品知识点。

内容简介

这是一部全面讲解数据产品经理核心知识体系的著作。12位作者大多来自国内的知名企业,涉及不同的行业,让本书拥有了更广泛的视角,能帮助你从不同的角度去了解数据产品经理如何在数据、产品、运营、市场等多个方面产生价值。本书的目的是让你全面了解数据产品经理的工作内容、系统掌握数据产品的核心知识体系,快速实现从入门到进阶的突破。

全书一共11章,重点讲解了数据产品经理应该掌握的11个核心知识点,可以概括为四个部分。

第一部分 基础知识(第1章):
首先介绍了数据产品的定义、组成、分类,其次介绍了数据产品经理的分类和能力模型,最后介绍了数据产品经理的招聘、应聘和面试。

第二部分 通用能力(第2~3章):
讲解了数据产品经理应该具备的数据分析能力和项目运作能力(产品路线图)。

第三部分 数据管理(第4~9章):
依次讲解了数据埋点、数据中台、数据指标体系、A/B测试、数据管理、数据服务等知识点,涵盖数据采集、治理、应用、能力输出的整个链条。

第四部分 策略产品(第10~11章):
重点讲解了搜索系统和用户画像等策略产品相关的知识。

目录

  • 版权信息
  • 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
展开全部

评分及书评

4.0
21个评分
  • 用户头像
    给这本书评了
    4.0
    比市面上其他忽悠型的数据产品相关书籍靠谱

    很实用,觉得帮到了我。尤其是数据分析框架、用户画像、策略产品这三个章节,能快速给我这样一个对此毫无认知的人一个框架性的介绍。我甚至想输出倒逼输入,将书中内容总结一下讲给同事。推荐。

      转发
      评论
      用户头像
      给这本书评了
      3.0
      章节之间的内容割裂,欠缺体系

      如标题,整体缺乏体系,在讲述理论概念时,没有举例说明,且对概念没有进一步解释,导致初入门者,有时候看着不知所云

        转发
        评论
        用户头像
        给这本书评了
        5.0
        就是我需要的

        作为一个从传统数据分析工作转型过来的产品经理,我是迷茫的,没有计算机专业背景尤其苦不堪言,谢谢这本书让我从全局理解到了我在做什么,我要做什么,我的目标是什么,期待看到第二本书

          转发
          评论
        • 查看全部5条书评

        出版方

        机械工业出版社有限公司

        机械工业出版社是全国优秀出版社,自1952年成立以来,坚持为科技、为教育服务,以向行业、向学校提供优质、权威的精神产品为宗旨,以“服务社会和人民群众需求,传播社会主义先进文化”为己任,产业结构不断完善,已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸,现已发展为多领域、多学科的大型综合性出版社,涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。