互联网 类型
7.9 豆瓣评分
可以朗读 语音朗读
108千字 字数
2020-10-01 发行日期
展开全部

主编推荐语

本书为数据产品新人提供领域通解通法，解析工作流程、指标体系搭建及通用工具应用。

内容简介

本书以数据角色的定位和合作关系为切入点，站在整个数据体系的视角，从工作流程的角度剖析数据需求沟通和判断的过程、指标体系搭建的过程，同时介绍了部分通用工具，并详细剖析这些工具和对应的数据体系要解决的问题之间的关系。最后一部分补充了必要的统计学常识、数据技术常识和一些在数据产品经理的工作过程中最常遇到的问题。

目录

  • 封面
  • 作者简介
  • 版权信息
  • 内容简介
  • 前言　想用一本书写全数据产品经理的知识实在太难了
  • 第1章　成为数据产品经理：角色创建和角色转变
  • 1.1　给“小萌新”的信心和冷水——欢迎打开这个新世界的大门
  • 1.1.1　新人的困惑
  • 1.1.2　新角色的技能树
  • 1.2　从数据分析师转型做数据产品经理——从解构到创造
  • 1.2.1　两种角色的巨大差异
  • 1.2.2　从数据分析师转型的难点
  • 1.3　从数据技术转型做数据产品经理——从具体到抽象
  • 1.3.1　从数据技术转型的困惑
  • 1.3.2　从数据技术转型的关键点
  • 1.4　从其他产品经理转型做数据产品经理——从信息到数据
  • 1.4.1　从后台产品经理转型做数据产品经理
  • 1.4.2　前端产品经理也能转型做数据产品经理
  • 1.5　 工作笔记：数据产品经理技能树
  • 第2章　数据产品经理和其他角色的关系
  • 2.1　角色之间的关系和他们面对的问题
  • 2.1.1　数据业务结构和相关角色
  • 2.1.2　角色之间的输入/输出
  • 2.2　你的用户是谁：数据产品的“用户分析”
  • 2.2.1　数据角色相关用户
  • 2.2.2　非数据角色相关用户
  • 2.3　不同阶段，不同定义
  • 2.3.1　从平台到中台
  • 2.3.2　 明确公司所处的阶段和状态
  • 第3章　需求沟通过程
  • 3.1　发现数据需求的本质
  • 3.1.1　数据需求类型
  • 3.1.2　不同需求类型对应的实现方式
  • 3.1.3　识别需求背后需要解决的问题
  • 3.1.4　需求沟通中的提问技巧
  • 3.2　避免做太多临时的事——需求沉淀
  • 3.2.1　和大家达成一些合作共识
  • 3.2.2　信息记录和信息反馈
  • 3.2.3　不停地回顾——需求复盘方法
  • 3.3　当我们在讨论“预测”时，是在讨论什么
  • 3.3.1　理解概率结论的不确定性
  • 3.3.2　不确定感带来的焦虑
  • 3.3.3　充分描述历史数据
  • 3.4　工作笔记：一个需求沟通框架
  • 第4章　指标体系搭建
  • 4.1　指标体系
  • 4.1.1　什么是指标体系
  • 4.1.2　指标体系如何描述业务
  • 4.1.3　案例：某媒体网站的指标体系搭建
  • 4.1.4　从指标体系到数据驱动的过程
  • 4.2　指标定义和维度定义
  • 4.2.1　指标和维度
  • 4.2.2　抽象定义和操作定义
  • 4.2.3　计算口径之争
  • 4.3　基础监控的建立——报表很重要
  • 4.3.1　从宽表到报表
  • 4.3.2　从顶层监控到多维度拆分
  • 4.3.3　迭代和反馈机制
  • 4.4　工作笔记：一个指标体系的产品化方式
  • 第5章　Excel是最完美的数据产品
  • 5.1　Excel常用功能盘点
  • 5.1.1　重点函数和动态图表
  • 5.1.2　数据透视表和数据透视图、切片器
  • 5.2　使用Excel做思维训练
  • 5.2.1　数据和可视化的关系
  • 5.2.2　案例：Excel迷你动态模板开发实战
  • 第6章　不同的工具解决不同的问题
  • 6.1　基础工具设计
  • 6.1.1　通用报表工具
  • 6.1.2　数据治理工具：维表、数据质量管理
  • 6.1.3　自助查询和开发类工具
  • 6.2　可视化平台设计
  • 6.2.1　可视化平台结构的分类
  • 6.2.2　不同图表类型的作用和数据源结构
  • 6.2.3　可视化平台功能点最好能够标准化
  • 6.2.4　Power BI和Tableau的对比评测
  • 6.3　工作笔记：一个数据产品的PRD结构
  • 第7章　数据应用和第三方平台
  • 7.1　数据应用产品
  • 7.1.1　多版本测试及其工具
  • 7.1.2　用户画像和用户标签
  • 7.1.3　策略库的形成和数据闭环
  • 7.2　第三方平台产品
  • 7.2.1　DMP到底是什么
  • 7.2.2　类似神策、GrowingIO等平台的优势和适用范围
  • 7.3　工作笔记：一套融入业务工作流的数据应用方案包含什么
  • 第8章　必须理解的统计学知识
  • 8.1　报表的本质：描述性统计解决日常90%的问题
  • 8.1.1　随机变量的分布
  • 8.1.2　集中趋势1：最值、中位数、众数和均值
  • 8.1.3　集中趋势2：标准差和方差
  • 8.2　统计学和因果论：相关性和因果关系
  • 8.2.1　相关性和因果关系的定义和区别
  • 8.2.2　数据使用中常见的逻辑谬误
  • 8.2.3　贝叶斯法则背后的哲学观点
  • 8.3　假设检验过程代表着一种思维方法
  • 8.3.1　什么是假设检验过程
  • 8.3.2　一种有点“反人类”却十分有效的思维方式
  • 第9章　必须了解的数据技术基础知识
  • 9.1　数据平台存在的形态：数据平台基础架构
  • 9.1.1　了解每一个组件解决什么问题
  • 9.1.2　Hadoop：一个情报处的组织架构
  • 9.2　数据源：数据采集和数据同步
  • 9.2.1　用户行为采集：埋点和无埋点的技术原理
  • 9.2.2　数据同步和数据接入：做好数据的搬运工
  • 9.3　数据建模：核心思想是“分类”
  • 9.3.1　了解主流“门派”：维度建模，从ODS到数据集市
  • 9.3.2　计算资源分配：调度和依赖
  • 9.3.3　实时数据：流式SQL的出现
  • 9.4　产品经理要学一点代码
  • 9.4.1　SQL也许不能叫作代码，却不可替代
  • 9.4.2　团队里存在的技术栈，要知道它们的原理和难度
  • 第10章　不得不说的“坑”和红线
  • 10.1　直面数据质量问题
  • 10.1.1　统一名词库的必要性和困难
  • 10.1.2　第三方系统数据的接入和打通
  • 10.1.3　不可避免的体力活——埋点及其维护
  • 10.2　数据平台的内功修炼和面向业务的输出很难平衡
  • 10.2.1　面对刷数、迁移、反复校验的每一天
  • 10.2.2　千万不要企图做“烂好人”
  • 10.3　数据安全
  • 10.3.1　我们为什么总是在亡羊补牢
  • 10.3.2　数据权限管理、流程和规则
  • 10.3.3　数据产品经理能为数据安全做什么
  • 后折页
  • 封底
展开全部

评分及书评

尚无评分
目前还没人评分
  • 加载中...

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。