商品参数
| 数据产品经理:实战进阶 |
| |
定价 |
89.00 |
| 出版社 |
机械工业出版社 |
| 版次 |
1 |
| 出版时间 |
2020年08月 |
| 开本 |
16 |
| 作者 |
杨楠楠 李凯东 陈新涛 萧饭饭 |
| 装帧 |
ping装 |
| 页数 |
0 |
| 字数 |
0 |
| ISBN编码 |
9787111662396 |
| 重量 |
0 |
内容介绍
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，能帮助读者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#终目的是让读者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，#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
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001
1.1 什么是数据产品001
1.1.1 数据产品定义002
1.1.2 数据产品组成002
1.1.3 数据产品类型003
1.1.4 数据产品衡量004
1.2 数据产品详解005
1.2.1 用户数据产品005
1.2.2 商用数据产品010
1.2.3 企业数据产品015
1.3 数据产品经理能力模型021
1.3.1 产品经理能力021
1.3.2 数据专业能力022
1.3.3 软能力023
1.3.4 不同级别的能力要求023
1.4 数据产品经理分类026
1.4.1 ping台型026
1.4.2 应用型027
1.4.3 策略型028
1.5 数据产品经理的应聘与招聘029
1.5.1 如何应聘029
1.5.2 如何招聘031
1.6 数据产品相关案例035
1.6.1 商用数据产品研究案例——Domo035
1.6.2 数据产品经理面试案例045
第2章 数据分析方法论053
2.1 数据分析的基础流程054
2.2 有价值的数据结论055
2.2.1 什么是有价值的数据结论055
2.2.2 怎样得到有价值的数据结论056
2.2.3 得到数据结论的案例057
2.3 数据分析基础方法058
2.3.1 全链路分析058
2.3.2 组成因子分解061
2.3.3 影响因子拆解062
2.3.4 枚举法063
2.4 数据分析方法使用案例068
2.4.1 案例一：多种分析方法寻找增长点068
2.4.2 案例二：找到对公司有价值的需求点071
第3章 产品路线图078
3.1 制定产品战略目标079
3.1.1 产品愿景079
3.1.2 产品目标080
3.1.3 产品路线图082
3.1.4 产品迭代计划与任务083
3.2 收集并整理需求083
3.2.1 用户/客户反馈083
3.2.2 竞品分析084
3.2.3 销售人员和客户服务人员084
3.2.4 行业分析085
3.2.5 头脑风暴085
3.2.6 数据反馈086
3.3 确定优先级086
3.3.1 价值与复杂度模型087
3.3.2 加权评分087
3.3.3 KAN0模型088
3.3.4 SWOT分析088
3.3.5 四象限分析法089
3.4 规划路线图091
3.5 我们是如何进行路线图规划的092
第4章 数据埋点体系096
4.1 数据埋点概述096
4.1.1 什么是埋点096
4.1.2 埋点的意义097
4.1.3 埋点的类型097
4.2 如何做好埋点098
4.2.1 目标收集098
4.2.2 字典管理100
4.2.3 埋点管理ping台100
4.3 埋点技术102
4.3.1 埋点102
4.3.2 App埋点103
4.3.3 埋点技术的选择104
第5章 数据中台105
5.1 数据中台是什么105
5.1.1 数据中台的由来105
5.1.2 中台的彷徨107
5.1.3 中台是一种企业战略107
5.1.4 中台是战略下的组织协同108
5.1.5 中台是技术与业务的综合体109
5.1.6 数据中台下的数据产品经理109
5.2 数据中台的产品形态110
5.2.1 统一指标ping台110
5.2.2 统一标签ping台111
5.2.3 可视化报表ping台112
5.2.4 智慧营销ping台112
5.2.5 数据中台产品的产品思维113
5.3 如何构建数据中台114
5.3.1 定战略114
5.3.2 改组织115
5.3.3 深业务117
5.3.4 做统一117
5.3.5 享服务120
5.3.6 业务评价下的数据中台120
5.3.7 黄埔军校式的数据中台122
第6章 数据指标体系123
6.1 数据指标体系的概念与价值124
6.1.1 什么是数据指标体系124
6.1.2 数据指标体系的价值125
6.2 数据指标的分类127
6.2.1 指标的类型127
6.2.2 数据指标的类型128
6.3 数据指标体系的建设136
6.3.1 数据指标体系设计原则136
6.3.2 数据指标体系建设的方法与步骤139
6.4 数据指标在各行业的应用150
6.4.1 电子商务150
6.4.2 内容文娱151
6.4.3 在线教育153
第7章 A/B测试系统搭建155
7.1 A/B测试简介155
7.1.1 A/B测试起源155
7.1.2 A/B测试特点156
7.1.3 A/B测试场景157
7.2 A/B测试流程158
7.2.1 试验需求洞察158
7.2.2 试验需求发起159
7.2.3 试验方案设计160
7.2.4 试验需求落实160
7.2.5 试验效果分析161
7.3 A/B测试系统设计161
7.3.1 A/B测试系统核心功能162
7.3.2 A/B测试系统设计方案165
7.3.3 A/B测试系统设计要点173
7.4 A/B测试案例分析175
7.4.1 奥巴马竞选总统175
7.4.2 商品详情页相似推荐176
7.5 A/B测试经验建议181
7.5.1 培养驱动文化181
7.5.2 自研或第三方工具182
第8章 数据管理183
8.1 数据的类型和主要特点183
8.1.1 数据的类型183
8.1.2 三类数据的主要特点和差异184
8.1.3 业务数据有数据管理吗185
8.2 主数据管理186
8.2.1 主数据管理概述186
8.2.2 主数据管理四要素188
8.2.3 业务输入191
8.2.4 主数据管理产品化解决方案192
8.3 元数据管理197
8.3.1 元数据管理概述197
8.3.2 元数据管理标准202
8.3.3 元数据管理解决方案206
第9章 数据服务215
9.1 数据服务概述215
9.1.1 什么是数据服务215
9.1.2 为什么要做数据服务216
9.1.3 数据服务的利益相关者218
9.2 基于标准指标的数据服务219
9.2.1 API服务220
9.2.2 API服务的用户路径223
9.2.3 指标池服务223
9.3 基于Hive表的数据服务224
9.3.1 可视化模式224
9.3.2 开放ping台自定义SQL模式224
9.3.3 两种数据服务的对比226
9.4 相关问题226
9.4.1 局限性与挑战226
9.4.2 数据内容227
9.4.3 公共维度228
9.4.4 选表逻辑229
9.4.5 数据安全230
9.4.6 权限控制230
9.5 数据服务构想231
第10章 策略产品详解：以搜索系统为例233
10.1 策略产品经理的前世今生233
10.1.1 策略产品经理定义234
10.1.2 策略产品经理的思维体系235
10.1.3 一个策略产品的小需求236
10.2 策略产品经理常用思维方式和分析方法237
10.2.1 策略产品经理常用的思维方式238
10.2.2 策略产品经理常用的分析方法241
10.3 如何维持搜索系统的迭代和运转245
10.3.1 从整体架构入手245
10.3.2 从用户需求入手254
10.3.3 从具体问题入手256
10.3.4 从业务发展入手257
10.4 搜索产品案例实践257
第11章 用户画像263
11.1 用户画像概述263
11.1.1 用户画像的基本概念264
11.1.2 标签的类型265
11.1.3 标签生命周期管理266
11.2 用户画像从0到100的构建思路267
11.2.1 用户画像从0到1的构建思路267
11.2.2 用户画像从1到100的构建思路271
11.3 单个用户标签的做法274
11.3.1 用户标签的生产流程概述274
11.3.2 不同公司的标签生产重点276
11.4 标签案例一：算法标签的一般生产流程277
11.4.1 标签定义分析278
11.4.2 用户行为获取（特征探查）278
11.4.3 模型设计279
11.5 标签案例二：加入内容标签的用户标签生产流程281
11.5.1 标签定义分析281
11.5.2 内容标签制作282
11.5.3 用户标签模型设计289
11.6 用户画像的效果验收292
11.6.1 算法指标验收292
11.6.2 分布验证292
11.6.3 交叉验证293
11.6.4 抽样评测293
11.7 做好标签系统需要注意的事项294
11.7.1 做好标签系统的MVP测试机制294
11.7.2 时间在用户标签中的用法296
11.7.3 问题解答297
后记 一个老数据人的杂谈299
