互联网 类型
8.8 豆瓣评分
可以朗读 语音朗读
303千字 字数
2022-01-01 发行日期
展开全部

主编推荐语

本书在数字化背景下，以数据产品从业者的数据技术、数据技能、数据思维、数据方法、数据模型、产品用户/客户增长实战经验为基调，体系化撰写了数字化和数据产品的数据经验知识和案例。

内容简介

本书内容全面，结构完整。首先，讲解了数据指标体系搭建和数据埋点案例；然后按照细节讲解数据分析流程、数据采集方法、数据挖掘整体方法；紧接着通过实操案例讲解了的数据产品工具，如EXCEL、Python、SQL、Anaconda、AB测试等工具，驱动数据增长的实战模型，如ARIMA、AHP、LTV、AARRR等，以及数据仓库和大数据平台的搭建方法；最后讲解了数据中台和数据安全、数据智能应用场景、用户增长实战案例。

本书适合数字化市场下的数据产品从业者阅读，主要读者人群包含数据产品经理、数据运营人员、数据产品技术人员、数据领域创业者和相关专业的学生。

目录

  • 版权信息
  • 内容提要
  • 推荐
  • 前言
  • 资源与支持
  • 第1章 抓住数据增长波段
  • 1.1 数据增长发展阶段
  • 1.2 数据增长新窗口
  • 1.3 数据增长待解决的三大产品需求问题
  • 1.4 3步帮公司从0到1跟上数字化步伐
  • 第2章 制定数据增长指标体系
  • 2.1 什么是增长型数据指标体系
  • 2.2 如何搭建指标体系
  • 2.3 评价指标体系原则
  • 2.4 如何计算指标
  • 2.5 案例：实操LTV用户增长生命周期价值计算
  • 第3章 全面的数据分析流程
  • 3.1 数据采集：源数据获取方法
  • 3.1.1 数据埋点：埋点获取数据
  • 3.1.2 案例：数据产品经理如何撰写PRD
  • 3.1.3 硬件获取数据：硬件传感器获取数据
  • 3.1.4 爬虫
  • 3.1.5 第三方渠道合作数据
  • 3.2 数据缺失处理方法
  • 3.3 数据可视化
  • 3.4 案例：数据分析全流程
  • 第4章 数据挖掘
  • 4.1 数据分析与数据挖掘的关系
  • 4.2 数据挖掘的标准流程
  • 4.3 新手入门如何系统地学习实操数据挖掘
  • 4.4 案例：数据挖掘
  • 第5章 实操必懂的数据分析工具
  • 5.1 数据分析实战Excel
  • 5.1.1 常用的统计分析函数
  • 5.1.2 文本处理函数
  • 5.1.3 数值运算函数
  • 5.1.4 逻辑判断函数
  • 5.1.5 日期计算函数
  • 5.1.6 匹配查找函数
  • 5.1.7 多表合并函数
  • 5.2 Excel实操分析技巧
  • 5.2.1 Excel数据透视表
  • 5.2.2 描述性统计分析
  • 5.2.3 相关系数与协方差
  • 5.2.4 线性回归预测模型
  • 5.2.5 移动平均预测模型
  • 5.3 Excel可视化数据
  • 5.3.1 Excel基础图表可视化
  • 5.3.2 Excel高级图表可视化
  • 5.3.3 Excel合并报表
  • 5.4 实战使用SQL
  • 5.4.1 SELECT查询
  • 5.4.2 带有约束的查询
  • 5.4.3 过滤和排序查询
  • 5.4.4 使用JOIN的多表查询
  • 5.4.5 外部关联
  • 5.5 学会综合运用Python
  • 5.5.1 Python定义
  • 5.5.2 规划Python学习路径
  • 5.5.3 用Python可以解决什么问题
  • 5.5.4 新手学Python要准备什么
  • 5.6 安装Anaconda
  • 5.7 案例：用Python分析新零售
  • 第6章 巧用A/B测试
  • 6.1 打破传统的A/B测试观念
  • 6.2 什么是A/B测试
  • 6.3 系统地设计A/B测试
  • 6.4 A/B测试工具
  • 6.5 A/B测试不一定是万能的
  • 6.6 案例：A/B测试完整产品
  • 第7章 数据模型驱动增长
  • 7.1 懂模型就是懂高级数据分析方法
  • 7.1.1 数据智能化趋势
  • 7.1.2 数据分析与高级分析流程
  • 7.2 ARIMA时间序列模型
  • 7.2.1 ARIMA时间序列模型定义
  • 7.2.2 ARIMA 流程
  • 7.3 AARRR模型
  • 7.3.1 AARRR模型定义
  • 7.3.2 搭建和计算海盗模型的思维方法和案例
  • 7.4 AHP搭建风控模型
  • 7.4.1 AHP模型的含义
  • 7.4.2 AHP层次分析法实例
  • 7.4.3 AHP层次分析法小结
  • 7.5 RFM客户价值计算和分层运营模型
  • 7.5.1 RFM模型定义
  • 7.5.2 RFM模型计算方法流程案例
  • 7.5.3 RFM模型的意义
  • 7.6 LTV用户生命价值周期模型
  • 7.6.1 LTV/CLTV的含义
  • 7.6.2 LTV的作用
  • 7.6.3 LTV的计算方法案例
  • 7.7 其他常见的大小数据分析模型
  • 第8章 用户画像
  • 8.1 用户画像
  • 8.1.1 用户画像定义
  • 8.1.2 用户画像的作用
  • 8.2 用户画像的方法
  • 8.3 案例：淘宝用户画像应用
  • 第9章 推荐系统
  • 9.1 实战推荐系统产品
  • 9.1.1 基于用户的推荐系统
  • 9.1.2 推荐效果评价指标
  • 9.1.3 基于内容的推荐系统
  • 9.1.4 基于内容推荐系统的优点和缺点
  • 9.2 推荐系统应用场景
  • 9.3 推荐系统未来必须关注的七大热点
  • 9.4 案例：今日头条和抖音短视频产品推荐系统
  • 第10章 从0到1新建数据仓库
  • 10.1 什么是数据仓库
  • 10.1.1 数据仓库的含义
  • 10.1.2 数据仓库的特点
  • 10.1.3 数据库与数据仓库的关系
  • 10.1.4 数据湖与数据仓库
  • 10.1.5 数据仓库与数据集市
  • 10.1.6 离线数据仓库与实时数据仓库
  • 10.2 从0到1构建数据仓库
  • 10.2.1 产品视角从0到1搭建数据仓库
  • 10.2.2 技术视角从0到1搭建数据仓库
  • 10.3 Hadoop生态系统
  • 10.3.1 Hadoop发展历程
  • 10.3.2 Hadoop生态
  • 10.3.3 Hadoop的优势
  • 10.3.4 Hadoop的发展趋势
  • 10.4 案例：数据仓库产品的建设和应用
  • 10.4.1 美团点评用Flink做实时数据仓库建设
  • 10.4.2 数据仓库总结
  • 第11章 数据平台
  • 11.1 数据平台产品
  • 11.1.1 数据平台的理解
  • 11.1.2 数据平台的一般功能
  • 11.1.3 数据平台的技术视角
  • 11.1.4 数据平台的业务视角
  • 11.2 常用的成熟数据平台
  • 11.3 数据平台产品架构
  • 11.4 搭建大数据平台
  • 11.4.1 搭建大数据平台的步骤
  • 11.4.2 搭建大数据平台具体实现
  • 11.5 案例：数据平台应用
  • 11.5.1 阿里云OS数据平台解决方案
  • 11.5.2 淘宝、美团、滴滴的大数据平台应用
  • 11.5.3 美图大数据平台完整实践案例
  • 第12章 数据中台的介绍与搭建
  • 12.1 数据中台的介绍
  • 12.1.1 什么是数据中台
  • 12.1.2 数据中台为什么受欢迎
  • 12.1.3 要不要做数据中台
  • 12.2 中台的分类
  • 12.2.1 业务中台
  • 12.2.2 技术中台
  • 12.2.3 数据中台
  • 12.2.4 组织中台
  • 12.3 搭建数据中台
  • 12.3.1 产品设计视角
  • 12.3.2 技术视角
  • 12.3.3 搭建的中台价值量化
  • 12.4 案例：阿里云数据中台解决方案
  • 第13章 数据产品规划
  • 13.1 数据平台规划
  • 13.1.1 设计数据平台
  • 13.1.2 数据产品场景
  • 13.1.3 大数据平台建设
  • 13.2 数据产品的用户调研
  • 13.3 数据产品的竞品研究
  • 13.4 数据产品的需求挖掘
  • 13.5 数据产品功能设计思考
  • 13.6 数据产品设计指南
  • 第14章 数据产品经理如何实现数据产品
  • 14.1 数据产品经理工作内容
  • 14.1.1 数据产品经理工作职责
  • 14.1.2 企业对数据产品经理的要求
  • 14.2 数据产品团队职能
  • 14.3 做出数据产品和卖出数据产品
  • 14.3.1 数据产品的4个层次
  • 14.3.2 数据产品的商业化
  • 14.4 数据产品运营
  • 14.4.1 数据从哪来
  • 14.4.2 数据判断
  • 第15章 数据安全和隐私保护
  • 15.1 数据安全
  • 15.1.1 什么是数据安全
  • 15.1.2 数据不安全带来的危害
  • 15.2 数据安全方案
  • 15.2.1 数据安全的定位、框架及制度安全
  • 15.2.2 网络安全和物理安全
  • 15.2.3 窃取技术防护、服务器安全、数据库安全和数据备份
  • 15.3 如何保护隐私
  • 15.3.1 关于数据隐私的9个观点
  • 15.3.2 保护个人隐私15招
  • 15.3.3 企业的隐私保护
  • 15.3.4 数据产品经理应该了解的4种数据隐私保护技术
  • 第16章 数智化重塑增长
  • 16.1 数智化
  • 16.1.1 踏上数智化之路
  • 16.1.2 从数字化走向数智化
  • 16.2 数智化重塑未来增长的破局之路
  • 16.3 找到数智化转型的第一个切入点
  • 16.4 案例：数智化破局增长
  • 16.4.1 传统企业数智化重塑增长案例
  • 16.4.2 数智化解决方案案例——需求预测
  • 第17章 不确定时代的数据产品经理思维方法
  • 17.1 物联网的数智化未来
  • 17.2 以快手为例看5G时代互联网产品的变化
  • 17.3 数据认知促进数据思维
  • 第18章 “数据人”行动路径
  • 18.1 尽快从传统产品经理跃迁到数据产品经理
  • 18.2 数据产品跃迁三部曲
  • 18.3 数据产品经理=数据技术经理+运营经理+项目产品经理
  • 附录一 常用术语：75个专业术语
  • 附录二 数据产品经理的3种图
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

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。