產品經理數據修煉30問

《產品經理數據修煉30問》是2019年電子工業出版社出版圖書，作者是R.D.。

基本介紹

• 中文名：產品經理數據修煉30問
• 作者：R.D. 
• 出版社：電子工業出版社 
• 出版時間：2019年1月
• 頁數：256 頁
• 定價：69 元 
• 開本：16 開
• ISBN：9787121352041 

內容簡介

本書共30章（問），分4個單元介紹產品經理必懂的數據知識。本書從數據產品經理的定義出發，立足於實際工作中的場景，深入淺出地探討產品經理如何站在行業視角統籌產品數據、數據產品，以及數據化運營的每個環節，並總結出有價值的方法論。

目錄

第一單元 剛接手一款產品，如何快速了解它

第1問 重新定義產品，應從哪開始。 3

1.1 尋找一個切入點 3

1.2 巨觀：領域與生態 4

1.3 中觀：產品全局 4

1.4 微觀：產品功能與用戶 5

1.5 歸納與重新定義 7

第2問 怎樣理解產品中那些酷炫的數據指標。 10

2.1 指標背後的要素：時間粒度和口徑 10

2.2 值得思考的“終極問題” 12

2.3 為數據指標分類 15

第3問 產品中有那么多功能，怎樣摸清它們的脈絡。18

3.1 畫一張屬於自己的產品地圖 18

3.2 已登錄or未登錄 21

3.3 好友or陌生人 21

3.4 流量or Wi-Fi聯網 22

第4問 了解產品用戶，應選擇用戶畫像還是用戶特徵。 23

4.1 用戶畫像vs用戶特徵 23

4.2 關注不發聲的大多數用戶 25

4.3 警惕無效的用戶特徵 25

4.4 識別用戶反饋帶來的偽需求 27

第5問 關於產品與數據，還有哪些值得注意的概念。 29

5.1 這些用詞的區別在哪裡 29

5.2 保持名稱的一致性 33

5.3 近似值和數值的位數 33

第二單元 數據支撐體系是如何運作的。

第6問 人力：數據團隊中有哪些幕後英雄。 39

6.1 數據產品經理 40

6.2 數據分析師 40

6.3 數據項目經理 41

6.4 開發工程師 41

6.5 測試工程師 41

6.6 運維工程師 42

6.7 基礎研究員 42

第7問 物力：數據產品是怎么來的。44

7.1 是的，依然來自需求 44

7.2 不一樣的需求過程 45

7.3 同樣存在偽需求 48

第8問 除了報表平台，數據產品還包括什麼。 51

8.1 先給數據產品分個層次 51

8.2 數據採集層 52

8.3 數據接入層 53

8.4 數據處理層 53

8.5 數據套用層 54

第9問 數據上報前需要做哪些準備工作。 56

9.1 準備一：允許上報什麼樣的數據 56

9.2 準備二：定義數據協定和數據Topic 58

9.3 準備三：統一文本編碼 59

第10問 埋點就是數據採集嗎。 61

10.1 標準動作三步走：埋點、採集、上報 61

10.2 採集組件的兩類功能：機制型功能和服務型功能 63

10.3 對採集組件最佳化的思考 64

第11問 數據上報到哪裡去了。 66

11.1 不得不談的技術流程 66

11.2 數據倉庫vs資料庫 67

11.3 用可視化方式達成約定 69

第12問 我們可以直接使用上報的數據嗎。 72

12.1 數據處理的基本操作：歸併和計算 72

12.2 任務調度平台，自動化處理引擎 75

12.3 橫表vs縱表 79

12.4 事實表vs維度表 80

第13問 數據處理好了，我可以享用哪些服務。 82

13.1 數據門戶的家族成員 82

13.2 報表呈現的奧秘 83

13.3 運籌帷幄的Dashboard 85

13.4 火眼金睛的用戶分析平台 86

13.5 溫暖人心的數據訂閱 89

13.6 萬能的SQL，靈活的即席查詢 91

第14問 體驗優良的數據產品有哪些表現。 94

14.1 互動是體驗的一部分 94

14.2 別讓我思考，值得強化的基礎體驗 95

14.3 別讓我孤單，多方位的支持服務 99

14.4 別讓我犯錯，嚴格對待許可權與安全 102

第三單元 立足當下，如何輕鬆實踐數據化運營。

第15問 怎樣快速樹立數據化運營思維。 107

15.1 認清運營的焦點：用戶 107

15.2 理解用戶數據的六步循環 109

15.3 明確數據化運營與數據產品體系的關係 110

第16問 數據啊，數據，我的產品怎樣才能成功。 112

16.1 感性地提出一個問題 112

16.2 將問題分解為能夠量化的指標 112

16.3 理性地回答問題 114

第17問 怎樣制定合適的數據上報策略。 116

17.1 大聲說出你想了解的內容 116

17.2 數據化各實體，尋找定義要素 117

17.3 用語義表達法試驗上報策略 120

第18問 哪些用戶數據值得收集。 125

18.1 對用戶行為的三步思考 125

18.2 操作不僅僅是“單擊” 128

18.3 操作時長數據的上報 130

18.4 用戶屬性的時效問題 131

第19問 怎樣為數據賦予運營的意義。 132

19.1 從“使用iPhone手機的深圳市女性用戶每日發訊息情況”說起 132

19.2 口徑對數據事實的影響 134

19.3 累積處理要趕早 135

第20問 怎樣對待未登錄用戶和小號用戶。 139

20.1 匿名訪客，你的需求同樣重要 139

20.2 自然人識別，揭開用戶ID背後的真相 142

第21問 為什麼要進行用戶建模和用戶分層。 146

21.1 用戶建模，基於已知探索未知 146

21.2 用戶分層，讓群體特徵更明顯 149

21.3 四象限法，實現雙維度分組 152

第22問 怎樣精確控制A/B測試。

22.1 回顧一場典型的A/B測試 154

22.2 用數據控制兩組用戶的差異變數 155

22.3 虛擬A/B測試，只靠數據就能搞定 158

第23問 數據是怎樣推動產品灰度發布的。 162

23.1 灰度發布，為產品引路的金絲雀 162

23.2 對參與用戶的篩選 165

23.3 對參與用戶的數據跟蹤 165

23.4 把質量數據作為能否進行下一輪發布的依據 166

23.5 灰度發布的注意事項 166

第24問 “隨機播放”為什麼讓用戶感覺不隨機。 168

24.1 請隨機播放幾首歌曲 168

24.2 還沒有註冊，就讓我登錄。 169

24.3 天啊，剛剛發生了什麼。 172

第四單元 智慧型時代，還有哪些數據必修課。

第25問 各式各樣的圖表分別適用於哪些場景。 177

25.1 數據報告中常用的圖表 177

25.2 統計與分析的選擇 180

25.3 產品經理的最愛 182

25.4 不宜濫用的圖表 184

25.5 圖表高效表達的四大原則 186

第26問 相比Excel，R語言更適合繪製圖表嗎。 189

26.1 R語言不僅擅長繪圖 190

26.2 R語言更是統計分析能手 194

第27問 Excel中有哪些一學就會的高級技巧。 198

27.1 “單擊即用”的隱藏功能 198

27.2 一定要會的幾個公式 203

第28問 怎樣通過SQL自由地查詢數據。 212

28.1 在Access中運行一段SQL代碼 212

28.2 聚合查詢 214

28.3 合併查詢 216

28.4 聯結查詢 216

第29問 人工智慧可以帶給我們哪些啟發。 219

29.1 怎樣理解人工智慧 219

29.2 機器學習與大數據 221

29.3 人工智慧產品思維 223

第30問 有哪些現成的數據可在運營中參考。 226

30.1 大數據指數 226