《數據產品經理寶典》涵蓋數據分析思路、數據平台建設、數據倉庫、數據治理等重要內容，既適合新人學習和入門使用，又適合從業者作為工具手冊。
基本介紹
- 中文名：數據產品經理寶典
- 作者：李陽
- 類別：計算機
- 出版社：電子工業出版社
- 出版時間：2020年4月
- 頁數：328 頁
- 定價：69 元
- 開本：16 開
- ISBN：9787121386275
內容簡介,圖書目錄,作者簡介,
內容簡介
內容涵蓋了數據產品經理應該知道和掌握的基礎知識——從每個優秀的數據產品經理都應當關注的“效率”問題出發，分別從商業知識和技術知識兩個角度，針對什麼是數據產品、數據產品訴求的產生和類型、數據產品的實現思路與常見技術方案等關鍵問題進行講解。
圖書目錄
第一篇 理解數據產品：確實有些不一樣
第1 章 什麼是數據產品 2
1.1 數據產品的關注點 3
1.2 什麼是數據套用 5
1.2.1 數據處理的角度 5
1.2.2 數據展現形式的角度 7
1.2.3 套用目的的角度 9
1.3 什麼是效率問題 12
1.3.1 成本投入項 12
1.3.2 價值產出項 14
1.3.3 效率的問題 15
1.4 本章小結 17
第2 章 數據產品面臨的挑戰 18
2.1 為什麼要做—師出有名 19
2.1.1 支撐數據套用 20
2.1.2 “量入為出”的價值管理 29
2.2 做的是什麼—理解業務 29
2.2.1 數據的意義 30
2.2.2 架起“量化運營”的橋樑 33
2.3 怎樣做到的—理解技術 35
2.3.1 理解“究竟能做些什麼” 36
2.3.2 思考“怎樣做得更高效” 42
2.4 本章小結 45
第二篇 理解業務：“奇怪”的數據需求從哪來
第3 章 業務是什麼 48
3.1 業務的目標是什麼 50
3.1.1 能力視角 50
3.1.2 利潤視角 52
3.1.3 效能視角 52
3.1.4 影響力視角 53
3.2 業務的商業模式與“投資”思維 56
3.2.1 資金投資 57
3.2.2 人力投資 63
3.2.3 時間投資 66
3.2.4 其他投資 67
3.3 常用管理模型和行銷組合 68
3.3.1 常用管理模型及其關係 68
3.3.2 常用行銷組合及其關係 96
3.4 本章小結 101
第4 章 業務的數據訴求 103
4.1 用戶市場研究 104
4.1.1 需求分析的目的 105
4.1.2 需求的分層 108
4.1.3 需求的定位 116
4.1.4 需求分析的評價與KANO 模型 127
4.1.5 需求的傳播和貫徹 129
4.2 業務及產品形態研究 130
4.2.1 評價標準—怎樣才是“好” 131
4.2.2 業務轉化與價值歸因 144
4.2.3 流量管理與實驗框架 153
4.3 綜合能力升級 159
4.3.1 分析方法論及其最佳化 160
4.3.2 固化套用系統與賦能業務 171
4.3.3 賦能團隊合作 174
4.4 工具、模型與業務、產品的“日常” 176
4.5 本章小結 179
第5 章 用數據抽象業務 180
5.1 需求研究的數據抽象 181
5.1.1 需求挖掘—投放與獲得新用戶 182
5.1.2 需求鑑別—留存與促進用戶活躍 189
5.1.3 用戶生命周期與“蓄水池”模型 194
5.1.4 競爭性抽象與建模 200
5.2 業務的數據模型 204
5.2.1 用E-R 圖抽象實體關係 205
5.2.2 用流程圖抽象業務過程 212
5.2.3 用時序圖抽象處理過程 219
5.2.4 用財務思維抽象資金流 225
5.3 “數據世界觀” 234
5.3.1 數據模型與現實世界的差異 234
5.3.2 用戶行為的事件模型 235
5.4 數據倉庫建模 242
5.4.1 面向分析的數據模型 242
5.4.2 通用數據倉庫模型 244
5.5 本章小結 250
第三篇 理解技術：打開數據系統的“黑箱”
第6 章 從業務訴求到技術系統 252
6.1 實現業務訴求的方式 253
6.1.1 主動反饋與被動反饋 254
6.1.2 通用內容與定製內容 256
6.1.3 離線分析與線上分析 257
6.1.4 全量與抽樣數據 258
6.2 業務中的數據形態 259
6.2.1 業務理解與元數據 259
6.2.2 離線數據與數據集 260
6.2.3 實時數據與數據流 261
6.3 業務中的技術問題 263
6.3.1 數據量激增問題 264
6.3.2 如何處理“陳舊”的內容 267
6.3.3 數據安全問題 268
6.4 本章小結 272
第7 章 必要的技術基礎知識 274
7.1 產品的技術結構與“技術世界觀” 276
7.1.1 Client/Server 結構 277
7.1.2 Browser/Server 結構 278
7.1.3 產品的“技術世界觀” 279
7.2 代碼理解世界的“做事思路” 280
7.2.1 面向過程 280
7.2.2 面向對象 282
7.3 系統的基本模組化 283
7.4 本章小結 284
第8 章 常見大數據技術框架 286
8.1 大數據技術框架的幾個關注點 287
8.1.1 多—數據量 288
8.1.2 雜—數據結構 290
8.1.3 亂—數據到達 296
8.1.4 急—時效性 299
8.2 常見大數據技術框架及基本邏輯 302
8.2.1 Apache Flume 和Apache Kafka 303
8.2.2 Apache Hadoop 306
8.2.3 Apache Hive 和Facebook Presto 310
8.2.4 Apache Kylin 311
8.2.5 Apache Flink 和Apache Storm 312
8.2.6 Apache Spark 315
8.3 本章小結 316
作者簡介
李陽（網名：御豪同學），數據產品經理、PMI-ACP敏捷項目管理師。現任京東數字科技集團高級數據產品經理，負責數據平台搭建工作，專注業務邏輯梳理及數據分析，對於大數據分析項目及平台搭建有深入了解。曾擔任 GrowingIO 增長大會嘉賓、騰訊大數據沙龍嘉賓。2018年出版圖書《產品增長力》。
