作者: 杨楠楠 / 李凯东 / 陈新涛 / 萧饭饭
出版社: 机械工业出版社
出版年: 2020-8-12
内容简介
这是一部全面讲解数据产品经理核心知识体系的著作。12位作者大多来自国内的知名企业，涉及不同的行业，让本书拥有了更广泛的视角，能帮助读者从不同的角度去了解数据产品经理如何在数据、产品、运营、市场等多个方面产生价值。本书的最终目的是让读者全面了解数据产品经理的工作内容、系统掌握数据产品的核心知识体系，快速实现从入门到进阶的突破。
全书一共11章，重点讲解了数据产品经理应该掌握的11个核心知识点，可以概括为四个部分。
第一部分 基础知识（第1章）
首先介绍了数据产品的定义、组成、分类，其次介绍了数据产品经理的分类和能力模型，最后介绍了数据产品经理的招聘、应聘和面试。
第二部分 通用能力（第2~3章）
讲解了数据产品经理应该具备的数据分析能力和项目运作能力（产品路线图）。
第三部分 数据管理（第4~9章）
依次讲解了数据埋点、数据中台、数据指标体系、A/B测试、数据管理、数据服务等知识点，涵盖数据采集、治理、应用、能力输出的整个链条。
第四部分 策略产品（第10~11章）
重点讲解了搜索系统和用户画像等策略产品相关的知识。
作者简介
杨楠楠
资深数据产品经理，擅长数据分析，为多家世界500强公司提供数据分析服务，能在数据、产品、运营、市场等多个方面发挥数据价值。擅长策略产品，在广告、电商等领域有较多经验，为多家厂商提供流量变现服务。维护有数据产品经理的知乎专栏和社群，本书的合作者全部来自专栏的粉丝。
李凯东
某视频媒体的大数据负责人，前京东数据中台应用数据平台部负责人、京东商城算法专家委员会核心委员，阿里天池数据科学家。京东研发最高成就奖项“杰出成就奖”获得者，在京东期间曾主导智慧营销，单条产品线GMV增长数十亿；创办京东大数据比赛平台JData，并成功举办全世界最大的单体大数据比赛。有9年创业经历，在社交、电商、O2O等领域有多年经验和深刻见解，公司于2014年以4000万估值被收购。
陈新涛
58转转前数据总监、美团外卖首任数据负责人，拥有多年数据产品及分析经验，擅长带领团队搭建企业级数据中台，以及结合企业战略分析数据并提供增长策略。曾负责从 0 到 1 搭建美团外卖数据平台，其中智能业绩系统为外卖事业部赢得首个美团点评集团大奖。任转转数据总监期间，带领数据产品及分析团队，搭建公司数据中台，为各业务线提供分析支持，并连续两年培养出公司最佳员工，获得高管团队及合作方的高度认可。
萧饭饭
高级数据产品经理，擅长用算法解决业务问题。资深策略产品经理，从0到1负责过完整的搜索、推荐、个性化push及用户画像项目，并持续优化，曾打造亿级DAU产品策略。精通用户增长策略，尤其擅长C端产品的打磨和创新型功能设计，以提升新老留存为路径的增长模式。
胡玉婷
高级数据产品经理。原大数据公司的数据产品经理，在在线教育、内容文娱、电商、大数据等多行业具备丰富的数据产品经验，同时具备丰富的埋点设计和数据采集经验。拥有toB应用型数据产品及BI平台型数据产品经验，主导的数据产品辅助大中型公司进行宏微观决策，主导的大数据分析平台服务于亿级用户量app进行用户行为分析，toB付费数据产品市场占有额Top2。曾多次受到微软中国及微软美国总部表彰，全球技术项目中国区成员，参与过世界上最大的学生科技大赛中国区运营项目，2015年被美国微软总部表彰为“2014年度优秀MSP”，并长期享有MSDN最高级订阅。
曹畅
资深数据产品经理，曾就职于国内某大型智能语音技术提供商。主要研究企业数据标准建设与数据管理方法论，以及用户行为数据标准。曾主导制定某上市公司子公司的企业数据标准。
谷坤明
TMD互联网公司大数据平台数据产品经理。擅长智能BI类产品，曾提升数千名员工的数据应用效率，实现数据驱动业务发展的目标。擅长“数据服务”类产品，擅长全套指标体系搭建和可视化、服务化API接口的产品方案。拥有较丰富数据可视化经验，深度参与公司一站式数据消费应用平台。
俞京江
某知名地产集团金融事业群产品负责人。有9年互联网金融行业产品设计经验，多年产品团队管理经验，精通金融行业产品的业务流程及功能设计。独立负责过五百亿交易规模的App的版本迭代；独立负责过单日破亿交易额的营销活动，有丰富的用户增长和营销获客实战经验，善于搭建体系化的营销服务管理系统，包括精细化运营平台、自动化营销平台、SCRM等。
赫子敬
次元降维创始人，有8年数据产品和数据分析经验，曾在多家大型企业担任数据负责人，精通全栈数据链路和数据策略。滴滴现代交通安全数据奠基人，2016年帮助滴滴平台将安全事故降低20%，在技术方面实现重大突破；2018年全面负责爱奇艺AI产品线，帮助爱奇艺在内容制作、生产、分发环节全链路应用AI产品，大幅提升业务指标。
贺园
资深数据产品经理，曾在宜信、京东数科等多家知名互联网金融公司从事数据产品相关工作，擅长偏技术类数据产品的设计。曾负责从0到1搭建公司的A/B测试平台，标签和用户画像平台的设计，以及公司级数据资产管理系统的搭建。
刘扬
数据产品专家，曾就职于用友、唯品会，在数据采集与埋点、数据ETL、数据建模与分析、数据应用方面均有丰富的实战经验。先后做过搜索、推荐、算法、大数据平台、ABTest系统等不同形态的数据产品。精通SQL，懂Python及主流挖掘算法；擅长基于ABTest的数据驱动理论的价值挖掘和产品落地。
朱诗倩
曾任Google系独角兽公司数据科学产品线负责人，现任世界500强公司科技事业部数据负责人，擅长利用数据驱动业务增长，在集团跨业务板块数字化转型方面有独特经验。在教育、地产、金融领域拥有企业级数据产品和数据营销实战经验，多次完成从0到1产品体系和数据平台搭建。
目录
赞誉
序一
序二
作者简介
前言
第1章 全面认识数据产品经理001
1.1 什么是数据产品001
1.1.1 数据产品定义002
1.1.2 数据产品组成002
1.1.3 数据产品类型003
1.1.4 数据产品衡量004
1.2 数据产品详解005
1.2.1 用户数据产品005
1.2.2 商用数据产品010
1.2.3 企业数据产品015
1.3 数据产品经理能力模型021
1.3.1 产品经理能力021
1.3.2 数据专业能力022
1.3.3 软能力023
1.3.4 不同级别的能力要求023
1.4 数据产品经理分类026
1.4.1 平台型026
1.4.2 应用型027
1.4.3 策略型028
1.5 数据产品经理的应聘与招聘029
1.5.1 如何应聘029
1.5.2 如何招聘031
1.6 数据产品相关案例035
1.6.1 商用数据产品研究案例——Domo035
1.6.2 数据产品经理面试案例045
第2章 数据分析方法论053
2.1 数据分析的基础流程054
2.2 有价值的数据结论055
2.2.1 什么是有价值的数据结论055
2.2.2 怎样得到有价值的数据结论056
2.2.3 得到数据结论的案例057
2.3 数据分析基础方法058
2.3.1 全链路分析058
2.3.2 组成因子分解061
2.3.3 影响因子拆解062
2.3.4 枚举法063
2.4 数据分析方法使用案例068
2.4.1 案例一：多种分析方法寻找增长点068
2.4.2 案例二：找到对公司有价值的需求点071
第3章 产品路线图078
3.1 制定产品战略目标079
3.1.1 产品愿景079
3.1.2 产品目标080
3.1.3 产品路线图082
3.1.4 产品迭代计划与任务083
3.2 收集并整理需求083
3.2.1 用户/客户反馈083
3.2.2 竞品分析084
3.2.3 销售人员和客户服务人员084
3.2.4 行业分析085
3.2.5 头脑风暴085
3.2.6 数据反馈086
3.3 确定优先级086
3.3.1 价值与复杂度模型087
3.3.2 加权评分087
3.3.3 KANO模型088
3.3.4 SWOT分析088
3.3.5 四象限分析法089
3.4 规划路线图091
3.5 我们是如何进行路线图规划的092
第4章 数据埋点体系096
4.1 数据埋点概述096
4.1.1 什么是埋点096
4.1.2 埋点的意义097
4.1.3 埋点的类型097
4.2 如何做好埋点098
4.2.1 目标收集098
4.2.2 字典管理100
4.2.3 埋点管理平台100
4.3 埋点技术102
4.3.1 JavaScript埋点102
4.3.2 App埋点103
4.3.3 埋点技术的选择104
第5章 数据中台105
5.1 数据中台是什么105
5.1.1 数据中台的由来105
5.1.2 中台的彷徨107
5.1.3 中台是一种企业战略107
5.1.4 中台是战略下的组织协同108
5.1.5 中台是技术与业务的综合体109
5.1.6 数据中台下的数据产品经理109
5.2 数据中台的产品形态110
5.2.1 统一指标平台110
5.2.2 统一标签平台111
5.2.3 可视化报表平台112
5.2.4 智慧营销平台112
5.2.5 数据中台产品的产品思维113
5.3 如何构建数据中台114
5.3.1 定战略114
5.3.2 改组织115
5.3.3 深业务117
5.3.4 做统一117
5.3.5 享服务120
5.3.6 业务评价下的数据中台120
5.3.7 黄埔军校式的数据中台122
第6章 数据指标体系123
6.1 数据指标体系的概念与价值124
6.1.1 什么是数据指标体系124
6.1.2 数据指标体系的价值125
6.2 数据指标的分类127
6.2.1 指标的类型127
6.2.2 数据指标的类型128
6.3 数据指标体系的建设136
6.3.1 数据指标体系设计原则136
6.3.2 数据指标体系建设的方法与步骤139
6.4 数据指标在各行业的应用150
6.4.1 电子商务150
6.4.2 内容文娱151
6.4.3 在线教育153
第7章 A/B测试系统搭建155
7.1 A/B测试简介155
7.1.1 A/B测试起源155
7.1.2 A/B测试特点156
7.1.3 A/B测试场景157
7.2 A/B测试流程158
7.2.1 试验需求洞察158
7.2.2 试验需求发起159
7.2.3 试验方案设计160
7.2.4 试验需求落实160
7.2.5 试验效果分析161
7.3 A/B测试系统设计161
7.3.1 A/B测试系统核心功能162
7.3.2 A/B测试系统设计方案165
7.3.3 A/B测试系统设计要点173
7.4 A/B测试案例分析175
7.4.1 奥巴马竞选总统175
7.4.2 商品详情页相似推荐176
7.5 A/B测试经验建议181
7.5.1 培养驱动文化181
7.5.2 自研或第三方工具182
第8章 数据管理183
8.1 数据的类型和主要特点183
8.1.1 数据的类型183
8.1.2 三类数据的主要特点和差异184
8.1.3 业务数据有数据管理吗185
8.2 主数据管理186
8.2.1 主数据管理概述186
8.2.2 主数据管理四要素188
8.2.3 业务输入191
8.2.4 主数据管理产品化解决方案192
8.3 元数据管理197
8.3.1 元数据管理概述197
8.3.2 元数据管理标准202
8.3.3 元数据管理解决方案206
第9章 数据服务215
9.1 数据服务概述215
9.1.1 什么是数据服务215
9.1.2 为什么要做数据服务216
9.1.3 数据服务的利益相关者218
9.2 基于标准指标的数据服务219
9.2.1 API服务220
9.2.2 API服务的用户路径223
9.2.3 指标池服务223
9.3 基于Hive表的数据服务224
9.3.1 可视化模式224
9.3.2 开放平台自定义SQL模式224
9.3.3 两种数据服务的对比226
9.4 相关问题226
9.4.1 局限性与挑战226
9.4.2 数据内容227
9.4.3 公共维度228
9.4.4 选表逻辑229
9.4.5 数据安全230
9.4.6 权限控制230
9.5 数据服务构想231
第10章 策略产品详解：以搜索系统为例233
10.1 策略产品经理的前世今生233
10.1.1 策略产品经理定义234
10.1.2 策略产品经理的思维体系235
10.1.3 一个策略产品的小需求236
10.2 策略产品经理常用思维方式和分析方法237
10.2.1 策略产品经理常用的思维方式238
10.2.2 策略产品经理常用的分析方法241
10.3 如何维持搜索系统的迭代和运转245
10.3.1 从整体架构入手245
10.3.2 从用户需求入手254
10.3.3 从具体问题入手256
10.3.4 从业务发展入手257
10.4 搜索产品案例实践257
第11章 用户画像263
11.1 用户画像概述263
11.1.1 用户画像的基本概念264
11.1.2 标签的类型265
11.1.3 标签生命周期管理266
11.2 用户画像从0到100的构建思路267
11.2.1 用户画像从0到1的构建思路267
11.2.2 用户画像从1到100的构建思路271
11.3 单个用户标签的做法274
11.3.1 用户标签的生产流程概述274
11.3.2 不同公司的标签生产重点276
11.4 标签案例一：算法标签的一般生产流程277
11.4.1 标签定义分析278
11.4.2 用户行为获取（特征探查）278
11.4.3 模型设计279
11.5 标签案例二：加入内容标签的用户标签生产流程281
11.5.1 标签定义分析281
11.5.2 内容标签制作282
11.5.3 用户标签模型设计289
11.6 用户画像的效果验收292
11.6.1 算法指标验收292
11.6.2 分布验证292
11.6.3 交叉验证293
11.6.4 抽样评测293
11.7 做好标签系统需要注意的事项294
11.7.1 做好标签系统的MVP测试机制294
11.7.2 时间在用户标签中的用法296
11.7.3 问题解答297
后记 一个老数据人的杂谈299
验证码？
哈哈哈哈哈