1.阿裡巴巴、美團點評、騰訊、滴滴等數據產品案例，更有實例展示阿裡、騰訊的數據產品團隊與企業文化，阿裡、騰訊數據產品經理的一天工作，阿裡、騰訊數據產品經理面試流程與求職經驗。既有大公司的數據產品經驗案例也有創業團隊的經驗總結。2.“道”與“術”。本書不僅有道的層面展示豐富數據產品經理思維方法內容，不僅僅要懂產品層面的數智化需要整體產品團隊、技術團隊、運營團隊有數字化的思維文化，還要懂術的層面支持大量數據分析的新工具流程和數據挖掘的新工具新技術，既在道的層面產品思維方面強調數據產品的思維方法，亦等

●第1章抓住數據增長波段
1.1數據增長發展階段014
1.2數據增長新窗口016
1.3數據增長待解決的三大產品需求問題018
1.43步幫公司從0到1跟上數字化步伐020
第2章制定數據增長指標體繫
2.1什麼是增長型數據指標體繫025
2.2如何搭建指標體繫027
2.3評價指標體繫原則029
2.4如何計算指標030
2.5案例：實操LTV用戶增長生命周期價值計算031
第3章全面的數據分析流程
3.1數據采集：源數據獲取方法036
3.1.1數據埋點：埋點獲取數據036
3.1.2案例：數據產品經理如何撰寫PRD037
3.1.3硬件獲取數據：硬件傳感器獲取數據044
3.1.4爬蟲048
3.1.5第三方渠道合作數據051
3.2數據缺失處理方法053
3.3數據可視化058
3.4案例：數據分析全流程059
第4章數據挖掘
4.1數據分析與數據挖掘的關繫068
4.2數據挖掘的標準流程070
4.3新手入門如何繫統地學習實操數據挖掘074
4.4案例：數據挖掘077
第5章實操必懂的數據分析工具
5.1數據分析實戰Excel080
5.1.1常用的統計分析函數080
5.1.2文本處理函數081
5.1.3數值運算函數081
5.1.4邏輯判斷函數082
5.1.5日期計算函數082
5.1.6匹配查找函數083
5.1.7多表合並函數084
5.2Excel實操分析技巧084
5.2.1Excel數據透視表084
5.2.2描述性統計分析087
5.2.3相關繫數與協方差088
5.2.4線性回歸預測模型088
5.2.5移動平均預測模型089
5.3Excel可視化數據089
5.3.1Excel基礎圖表可視化090
5.3.2Excel高級圖表可視化090
5.3.3Excel合並報表091
5.4實戰使用SQL091
5.4.1SELECT查詢092
5.4.2帶有約束的查詢093
5.4.3過濾和排序查詢094
5.4.4使用JOIN的多表查詢095
5.4.5外部關聯095
5.5學會綜合運用Python097
5.5.1Python定義097
5.5.2規劃Python學習路徑097
5.5.3用Python可以解決什麼問題098
5.5.4新手學Python要準備什麼098
5.6安裝Anaconda098
5.7案例：用Python分析新零售100
第6章巧用AB測試
6.1打破傳統的AB測試觀念106
6.2什麼是AB測試106
6.3繫統地設計AB測試107
6.4AB測試工具109
6.5AB測試不一定是萬能的109
6.6案例：AB測試完整產品112
第7章數據模型驅動增長
7.1懂模型就是懂高級數據分析方法115
7.1.1數據智能化趨勢115
7.1.2數據分析與高級分析流程117
7.2ARIMA時間序列模型119
7.2.1ARIMA時間序列模型定義119
7.2.2ARIMA時間序列模型的運用流程120
7.3AARRR模型121
7.3.1AARRR模型定義121
7.3.2搭建和計算海盜模型的思維方法和案例128
7.4AHP搭建風控模型129
7.4.1AHP模型的含義129
7.4.2AHP層次分析法實例130
7.4.3AHP層次分析法小結133
7.5RFM客戶價值計算和分層運營模型134
7.5.1RFM模型定義134
7.5.2RFM模型計算方法流程案例135
7.5.3RFM模型的意義137
7.6LTV用戶生命價值周期模型138
7.6.1LTVCLTV的含義138
7.6.2LTV的作用138
7.6.3LTV的計算方法案例138
7.7其他常見的大小數據分析模型139
第8章用戶畫像
8.1用戶畫像142
8.1.1用戶畫像定義142
8.1.2用戶畫像的作用142
8.2用戶畫像的方法143
8.3案例：淘寶用戶畫像應用145
第9章推薦繫統
9.1實戰推薦繫統產品147
9.1.1基於用戶的推薦繫統147
9.1.2推薦效果評價指標148
9.1.3基於內容的推薦繫統148
9.1.4基於內容推薦繫統的優點和缺點153
9.2推薦繫統應用場景154
9.3推薦繫統未來必須關注的七大熱點154
9.4案例：今日頭條和短視頻產品推薦繫統161
第10章從0到1新建數據倉庫
10.1什麼是數據倉庫166
10.1.1數據倉庫的含義166
10.1.2數據倉庫的特點166
10.1.3數據庫與數據倉庫的關繫167
10.1.4數據湖與數據倉庫168
10.1.5數據倉庫與數據集市169
10.1.6離線數據倉庫與實時數據倉庫170
10.2從0到1構建數據倉庫173
10.2.1產品視角從0到1搭建數據倉庫173
10.2.2技術視角從0到1搭建數據倉庫176
10.3Hadoop生態繫統187
10.3.1Hadoop發展歷程188
10.3.2Hadoop生態193
10.3.3Hadoop的優勢194
10.3.4Hadoop的發展趨勢195
10.4案例：數據倉庫產品的建設和應用195
10.4.1美團點評用Flink做實時數據倉庫建設195
10.4.2數據倉庫總結202
第11章數據平臺
11.1數據平臺產品213
11.1.1數據平臺的理解213
11.1.2數據平臺的一般功能213
11.1.3數據平臺的技術視角213
11.1.4數據平臺的業務視角216
11.2常用的成熟數據平臺219
11.3數據平臺產品架構221
11.4搭建大數據平臺223
11.4.1搭建大數據平臺的步驟223
11.4.2搭建大數據平臺具體實現225
11.5案例：數據平臺應用241
11.5.1阿裡雲OS數據平臺解決方案241
11.5.2淘寶、美團、滴滴的大數據平臺應用243
11.5.3美圖大數據平臺完整實踐案例247
第12章數據中臺的介紹與搭建
12.1數據中臺的介紹257
12.1.1什麼是數據中臺257
12.1.2數據中臺為什麼受歡迎259
12.1.3要不要做數據中臺269
12.2中臺的分類271
12.2.1業務中臺272
12.2.2技術中臺272
12.2.3數據中臺273
12.2.4組織中臺275
12.3搭建數據中臺——以教育中臺產品為例278
12.3.1產品設計視角278
12.3.2技術視角279
12.3.3搭建的中臺價值量化282
12.4案例：阿裡雲數據中臺解決方案283
第13章數據產品規劃
13.1數據平臺規劃291
13.1.1設計數據平臺291
13.1.2數據產品場景292
13.1.3大數據平臺建設295
13.2數據產品的用戶調研297
13.3數據產品的競品研究299
13.4數據產品的需求挖掘304
13.5數據產品功能設計思考306
13.6數據產品設計指南308
第14章數據產品經理如何實現數據產品
14.1數據產品經理工作內容313
14.1.1數據產品經理工作職責313
14.1.2企業對數據產品經理的要求313
14.2數據產品團隊職能313
14.3做出數據產品和賣出數據產品315
14.3.1數據產品的4個層次316
14.3.2數據產品的商業化316
14.4數據產品運營318
14.4.1數據從哪來318
14.4.2數據判斷319
第15章數據安全和隱私保護
15.1數據安全321
15.1.1什麼是數據安全321
15.1.2數據不安全帶來的危害324
15.2數據安全方案325
15.2.1數據安全的定位、框架及制度安全325
15.2.2網絡安全和物理安全330
15.2.3竊取技術防護、服務器安全、數據庫安全和數據備份337
15.3如何保護隱私346
15.3.1關於數據隱私的9個觀點346
15.3.2保護個人隱私15招348
15.3.3企業的隱私保護349
15.3.4數據產品經理應該了解的4種數據隱私保護技術350
第16章數智化重塑增長
16.1數智化359
16.1.1踏上數智化之路359
16.1.2從數字化走向數智化360
16.2數智化重塑未來增長的破局之路364
16.3找到數智化轉型的第一個切入點367
16.4案例：數智化破局增長372
16.4.1傳統企業數智化重塑增長案例372
16.4.2數智化解決方案案例——需求預測373
第17章不確定時代的數據產品經理思維方法
17.1物聯網的數智化未來378
17.2以快手為例看5G時代互聯網產品的變化380
17.3數據認知促進數據思維383
第18章“數據人”行動路徑
18.1盡快從傳統產品經理躍遷到數據產品經理387
18.2數據產品躍遷三部曲387
18.3數據產品經理=數據技術經理+運營經理+項目產品經理389
附錄一常用術語：75個專業術語
附錄二數據產品經理的3種圖

本書以在數字化背景下，數據產品從業者的數據技術、數據技能、數據思維、數據方法、數據模型、產品用戶/客戶增長實戰經驗為基調，體繫化撰寫了數字化和數據產品的數據經驗知識和案例。隨書附贈豐富的原始數據和源代碼，方便讀者對數據分析案例進行實操練習。本書內容全面，結構完整。首先，講解了數據指標體繫搭建和數據埋點案例；然後按照細節講解數據分析流程、數據采集方法、數據挖掘整體方法；緊接著通過實操案例講解了的數據產品工具，如EXCEL、Python、SQL、Anaconda、AB測試等工具，驅動數據增長的實戰模型，如ARIMA、AHP、LTV、AARRR等，以及數據倉庫和大數據平臺的搭建方法；最後講解了數據中臺和數據安全、數據智能應用場景、用戶增長實戰案例。本書適合數字化市場下的數據產品從業者閱讀，主要讀者人群包含數據產品經理、數據運營人員、數據產品技術人員、數據領域創業者和相關專業的學生。

連詩路 編