互联网 类型
4.9 豆瓣评分
可以朗读 语音朗读
134千字 字数
2019-01-01 发行日期
展开全部

主编推荐语

全面解答产品经理对于数据的问题。

内容简介

本书立足于国内互联网行业，面向全体产品经理，结合作者5余年从事数据产品经理的工作经验，围绕日常数据工作的4个维度（产品数据、数据产品、数据运营、数据技能）提出并讨论30个常见却又值得玩味的问题。

对于职场人士而言，为解决具体问题而进行学习无疑是一种快捷有效的学习方式。鉴于此，全书采用问答的形式，侧重于引导读者提出问题，然后围绕解决问题的思路展开讨论，而与解决问题无关的内容只字不提。这样的体例安排，一方面，减轻读者的学习负担，帮助读者把握阅读节奏；另一方面，若读者对其中涉及的部分内容感兴趣，可以在书中讨论的基础上展开系统性学习。

目录

  • 封面
  • 关于作者
  • 版权页
  • 推荐序一
  • 推荐序二
  • 推荐序三
  • 推荐语
  • 前言
  • 目录
  • 第一单元 刚接手一款产品，如何快速了解它
  • 第1问 重新定义产品，应从哪开始？
  • 1.1 寻找一个切入点
  • 1.2 宏观：领域与生态
  • 1.3 中观：产品全局
  • 1.4 微观：产品功能与用户
  • 1.5 归纳与重新定义
  • 第2问 怎样理解产品中那些酷炫的数据指标？
  • 2.1 指标背后的要素：时间粒度和口径
  • 2.2 值得思考的“终极问题”
  • 2.3 为数据指标分类
  • 第3问 产品中有那么多功能，怎样摸清它们的脉络？
  • 3.1 画一张属于自己的产品地图
  • 3.2 已登录or未登录
  • 3.3 好友or陌生人
  • 3.4 流量or Wi-Fi联网
  • 第4问 了解产品用户，应选择用户画像还是用户特征？
  • 4.1 用户画像vs用户特征
  • 4.2 关注不发声的大多数用户
  • 4.3 警惕无效的用户特征
  • 4.4 识别用户反馈带来的伪需求
  • 第5问 关于产品与数据，还有哪些值得注意的概念？
  • 5.1 这些用词的区别在哪里
  • 5.2 保持名称的一致性
  • 5.3 近似值和数值的位数
  • 第二单元 数据支撑体系是如何运作的？
  • 第6问 人力：数据团队中有哪些幕后英雄？
  • 6.1 数据产品经理
  • 6.2 数据分析师
  • 6.3 数据项目经理
  • 6.4 开发工程师
  • 6.5 测试工程师
  • 6.6 运维工程师
  • 6.7 基础研究员
  • 第7问 物力：数据产品是怎么来的？
  • 7.1 是的，依然来自需求
  • 7.2 不一样的需求过程
  • 7.3 同样存在伪需求
  • 第8问 除了报表平台，数据产品还包括什么？
  • 8.1 先给数据产品分个层次
  • 8.2 数据采集层
  • 8.3 数据接入层
  • 8.4 数据处理层
  • 8.5 数据应用层
  • 第9问 数据上报前需要做哪些准备工作？
  • 9.1 准备一：允许上报什么样的数据
  • 9.2 准备二：定义数据协议和数据Topic
  • 9.3 准备三：统一文本编码
  • 第10问 埋点就是数据采集吗？
  • 10.1 标准动作三步走：埋点、采集、上报
  • 10.2 采集组件的两类功能：机制型功能和服务型功能
  • 10.3 对采集组件优化的思考
  • 第11问 数据上报到哪里去了？
  • 11.1 不得不谈的技术流程
  • 11.2 数据仓库vs数据库
  • 11.3 用可视化方式达成约定
  • 第12问 我们可以直接使用上报的数据吗？
  • 12.1 数据处理的基本操作：归并和计算
  • 12.2 任务调度平台，自动化处理引擎
  • 12.3 横表vs纵表
  • 12.4 事实表vs维度表
  • 第13问 数据处理好了，我可以享用哪些服务？
  • 13.1 数据门户的家族成员
  • 13.2 报表呈现的奥秘
  • 13.3 运筹帷幄的Dashboard
  • 13.4 火眼金睛的用户分析平台
  • 13.5 温暖人心的数据订阅
  • 13.6 万能的SQL，灵活的即席查询
  • 第14问 体验优良的数据产品有哪些表现？
  • 14.1 交互是体验的一部分
  • 14.2 别让我思考，值得强化的基础体验
  • 14.3 别让我孤单，多方位的支持服务
  • 14.4 别让我犯错，严格对待权限与安全
  • 第三单元 立足当下，如何轻松实践数据化运营？
  • 第15问 怎样快速树立数据化运营思维？
  • 15.1 认清运营的焦点：用户
  • 15.2 理解用户数据的六步循环
  • 15.3 明确数据化运营与数据产品体系的关系
  • 第16问 数据啊，数据，我的产品怎样才能成功？
  • 16.1 感性地提出一个问题
  • 16.2 将问题分解为能够量化的指标
  • 16.3 理性地回答问题
  • 第17问 怎样制定合适的数据上报策略？
  • 17.1 大声说出你想了解的内容
  • 17.2 数据化各实体，寻找定义要素
  • 17.3 用语义表达法试验上报策略
  • 第18问 哪些用户数据值得收集？
  • 18.1 对用户行为的三步思考
  • 18.2 操作不仅仅是“单击”
  • 18.3 操作时长数据的上报
  • 18.4 用户属性的时效问题
  • 第19问 怎样为数据赋予运营的意义？
  • 19.1 从“使用iPhone手机的深圳市女性用户每日发消息情况”说起
  • 19.2 口径对数据事实的影响
  • 19.3 累积处理要赶早
  • 第20问 怎样对待未登录用户和小号用户？
  • 20.1 匿名访客，你的需求同样重要
  • 20.2 自然人识别，揭开用户ID背后的真相
  • 第21问 为什么要进行用户建模和用户分层？
  • 21.1 用户建模，基于已知探索未知
  • 21.2 用户分层，让群体特征更明显
  • 21.3 四象限法，实现双维度分组
  • 第22问 怎样精确控制A/B测试？
  • 22.1 回顾一场典型的A/B测试
  • 22.2 用数据控制两组用户的差异变量
  • 22.3 虚拟A/B测试，只靠数据就能搞定
  • 第23问 数据是怎样推动产品灰度发布的？
  • 23.1 灰度发布，为产品引路的金丝雀
  • 23.2 对参与用户的筛选
  • 23.3 对参与用户的数据跟踪
  • 23.4 把质量数据作为能否进行下一轮发布的依据
  • 23.5 灰度发布的注意事项
  • 第24问 “随机播放”为什么让用户感觉不随机？
  • 24.1 请随机播放几首歌曲
  • 24.2 还没有注册，就让我登录？
  • 24.3 天啊，刚刚发生了什么？
  • 第四单元 智能时代，还有哪些数据必修课？
  • 第25问 各式各样的图表分别适用于哪些场景？
  • 25.1 数据报告中常用的图表
  • 25.2 统计与分析的选择
  • 25.3 产品经理的最爱
  • 25.4 不宜滥用的图表
  • 25.5 图表高效表达的四大原则
  • 第26问 相比Excel，R语言更适合绘制图表吗？
  • 26.1 R语言不仅擅长绘图
  • 26.2 R语言更是统计分析能手
  • 第27问 Excel中有哪些一学就会的高级技巧？
  • 27.1 “单击即用”的隐藏功能
  • 27.2 一定要会的几个公式
  • 第28问 怎样通过SQL自由地查询数据？
  • 28.1 在Access中运行一段SQL代码
  • 28.2 聚合查询
  • 28.3 合并查询
  • 28.4 联结查询
  • 第29问 人工智能可以带给我们哪些启发？
  • 29.1 怎样理解人工智能
  • 29.2 机器学习与大数据
  • 29.3 人工智能产品思维
  • 第30问 有哪些现成的数据可在运营中参考？
  • 30.1 大数据指数
  • 30.2 互联网行业和产品资讯
  • 30.3 政府机构统计数据
  • 反侵权盗版声明
展开全部

评分及书评

尚无评分
目前还没人评分

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。