数据产品经理宝典：大数据时代如何创造卓越产品

第一篇 理解数据产品：确实有些不一样
第1 章 什么是数据产品 2
1.1 数据产品的关注点 3
1.2 什么是数据应用 5
1.2.1 数据处理的角度 5
1.2.2 数据展现形式的角度 7
· · · · · · (更多)

第一篇 理解数据产品：确实有些不一样
第1 章 什么是数据产品 2
1.1 数据产品的关注点 3
1.2 什么是数据应用 5
1.2.1 数据处理的角度 5
1.2.2 数据展现形式的角度 7
1.2.3 应用目的的角度 9
1.3 什么是效率问题 12
1.3.1 成本投入项 12
1.3.2 价值产出项 14
1.3.3 效率的问题 15
1.4 本章小结 17
第2 章 数据产品面临的挑战 18
2.1 为什么要做—师出有名 19
2.1.1 支撑数据应用 20
2.1.2 “量入为出”的价值管理 29
2.2 做的是什么—理解业务 29
2.2.1 数据的意义 30
2.2.2 架起“量化运营”的桥梁 33
2.3 怎样做到的—理解技术 35
2.3.1 理解“究竟能做些什么” 36
2.3.2 思考“怎样做得更高效” 42
2.4 本章小结 45
第二篇 理解业务：“奇怪”的数据需求从哪来
第3 章 业务是什么 48
3.1 业务的目标是什么 50
3.1.1 能力视角 50
3.1.2 利润视角 52
3.1.3 效能视角 52
3.1.4 影响力视角 53
3.2 业务的商业模式与“投资”思维 56
3.2.1 资金投资 57
3.2.2 人力投资 63
3.2.3 时间投资 66
3.2.4 其他投资 67
3.3 常用管理模型和营销组合 68
3.3.1 常用管理模型及其关系 68
3.3.2 常用营销组合及其关系 96
3.4 本章小结 101
第4 章 业务的数据诉求 103
4.1 用户市场研究 104
4.1.1 需求分析的目的 105
4.1.2 需求的分层 108
4.1.3 需求的定位 116
4.1.4 需求分析的评价与KANO 模型 127
4.1.5 需求的传播和贯彻 129
4.2 业务及产品形态研究 130
4.2.1 评价标准—怎样才是“好” 131
4.2.2 业务转化与价值归因 144
4.2.3 流量管理与实验框架 153
4.3 综合能力升级 159
4.3.1 分析方法论及其优化 160
4.3.2 固化应用系统与赋能业务 171
4.3.3 赋能团队合作 174
4.4 工具、模型与业务、产品的“日常” 176
4.5 本章小结 179
第5 章 用数据抽象业务 180
5.1 需求研究的数据抽象 181
5.1.1 需求挖掘—投放与获得新用户 182
5.1.2 需求鉴别—留存与促进用户活跃 189
5.1.3 用户生命周期与“蓄水池”模型 194
5.1.4 竞争性抽象与建模 200
5.2 业务的数据模型 204
5.2.1 用E-R 图抽象实体关系 205
5.2.2 用流程图抽象业务过程 212
5.2.3 用时序图抽象处理过程 219
5.2.4 用财务思维抽象资金流 225
5.3 “数据世界观” 234
5.3.1 数据模型与现实世界的差异 234
5.3.2 用户行为的事件模型 235
5.4 数据仓库建模 242
5.4.1 面向分析的数据模型 242
5.4.2 通用数据仓库模型 244
5.5 本章小结 250
第三篇 理解技术：打开数据系统的“黑箱”
第6 章 从业务诉求到技术系统 252
6.1 实现业务诉求的方式 253
6.1.1 主动反馈与被动反馈 254
6.1.2 通用内容与定制内容 256
6.1.3 离线分析与在线分析 257
6.1.4 全量与抽样数据 258
6.2 业务中的数据形态 259
6.2.1 业务理解与元数据 259
6.2.2 离线数据与数据集 260
6.2.3 实时数据与数据流 261
6.3 业务中的技术问题 263
6.3.1 数据量激增问题 264
6.3.2 如何处理“陈旧”的内容 267
6.3.3 数据安全问题 268
6.4 本章小结 272
第7 章 必要的技术基础知识 274
7.1 产品的技术结构与“技术世界观” 276
7.1.1 Client/Server 结构 277
7.1.2 Browser/Server 结构 278
7.1.3 产品的“技术世界观” 279
7.2 代码理解世界的“做事思路” 280
7.2.1 面向过程 280
7.2.2 面向对象 282
7.3 系统的基本模块化 283
7.4 本章小结 284
第8 章 常见大数据技术框架 286
8.1 大数据技术框架的几个关注点 287
8.1.1 多—数据量 288
8.1.2 杂—数据结构 290
8.1.3 乱—数据到达 296
8.1.4 急—时效性 299
8.2 常见大数据技术框架及基本逻辑 302
8.2.1 Apache Flume 和Apache Kafka 303
8.2.2 Apache Hadoop 306
8.2.3 Apache Hive 和Facebook Presto 310
8.2.4 Apache Kylin 311
8.2.5 Apache Flink 和Apache Storm 312
8.2.6 Apache Spark 315
8.3 本章小结 316
· · · · · · (收起)