第1部分
第1章 成为数据产品经理：角色创建和角色转变
1.1 给“小萌新”的信心和冷水——欢迎打开这个新世界的大门 / 003
1.1.1 新人的困惑 / 003
1.1.2 新角色的技能树 / 004
1.2 从数据分析师转型做数据产品经理——从解构到创造 / 006
1.2.1 两种角色的巨大差异 / 007
1.2.2 从数据分析师转型的难点 / 008
1.3 从数据技术转型做数据产品经理——从具体到抽象 / 010
1.3.1 从数据技术转型的困惑 / 010
1.3.2 从数据技术转型的关键点 / 011
1.4 从其他产品经理转型做数据产品经理——从信息到数据 / 014
1.4.1 从后台产品经理转型做数据产品经理 / 014
1.4.2 前端产品经理也能转型做数据产品经理 / 016
1.5 工作笔记：数据产品经理技能树 / 016
第2章 数据产品经理和其他角色的关系
2.1 角色之间的关系和他们面对的问题 / 019
2.1.1 数据业务结构和相关角色 / 019
2.1.2 角色之间的输入/ 输出 / 022
2.2 你的用户是谁：数据产品的“用户分析” / 023
2.2.1 数据角色相关用户 / 023
2.2.2 非数据角色相关用户 / 026
2.3 不同阶段，不同定义 / 028
2.3.1 从平台到中台 / 028
2.3.2 明确公司所处的阶段和状态 / 029
第2 部分
第3 章 需求沟通过程
3.1 发现数据需求的本质 / 030
3.1.1 数据需求类型 / 030
3.1.2 不同需求类型对应的实现方式 / 035
3.1.3 识别需求背后需要解决的问题 / 037
3.1.4 需求沟通中的提问技巧 / 040
3.2 避免做太多临时的事——需求沉淀 / 042
3.2.1 和大家达成一些合作共识 / 042
3.2.2 信息记录和信息反馈 / 045
3.2.3 不停地回顾——需求复盘方法 / 047
3.3 当我们在讨论“预测”时，是在讨论什么 / 050
3.3.1 理解概率结论的不确定性 / 050
3.3.2 不确定感带来的焦虑 / 051
3.3.3 充分描述历史数据 / 052
3.4 工作笔记：一个需求沟通框架 / 052
第4 章 指标体系搭建
4.1 指标体系 / 054
4.1.1 什么是指标体系 / 054
4.1.2 指标体系如何描述业务 / 056
4.1.3 案例：某媒体网站的指标体系搭建 / 059
4.1.4 从指标体系到数据驱动的过程 / 061
4.2 指标定义和维度定义 / 062
4.2.1 指标和维度 / 062
4.2.2 抽象定义和操作定义 / 063
4.2.3 计算口径之争 / 063
4.3 基础监控的建立——报表很重要 / 065
4.3.1 从宽表到报表 / 065
4.3.2 从顶层监控到多维度拆分 / 070
4.3.3 迭代和反馈机制 / 070
4.4 工作笔记：一个指标体系的产品化方式 / 071
第5 章 Excel 是最完美的数据产品
5.1 Excel 常用功能盘点 / 076
5.1.1 重点函数和动态图表 / 078
5.1.2 数据透视表和数据透视图、切片器 / 084
5.2 使用Excel 做思维训练 / 088
5.2.1 数据和可视化的关系 / 088
5.2.2 案例：Excel 迷你动态模板开发实战 / 089
第6 章 不同的工具解决不同的问题
6.1 基础工具设计 / 107
6.1.1 通用报表工具 / 108
6.1.2 数据治理工具：维表、数据质量管理 / 112
6.1.3 自助查询和开发类工具 / 116
6.2 可视化平台设计 / 118
6.2.1 可视化平台结构的分类 / 119
6.2.2 不同图表类型的作用和数据源结构 / 120
6.2.3 可视化平台功能点最好能够标准化 / 134
6.2.4 Power BI 和Tableau 的对比评测 / 135
6.3 工作笔记：一个数据产品的PRD 结构 / 141
第7 章 数据应用和第三方平台
7.1 数据应用产品 / 143
7.1.1 多版本测试及其工具 / 144
7.1.2 用户画像和用户标签 / 150
7.1.3 策略库的形成和数据闭环 / 151
7.2 第三方平台产品 / 153
7.2.1 DMP 到底是什么 / 154
7.2.2 类似神策、GrowingIO 等平台的优势和适用范围 / 155
7.3 工作笔记：一套融入业务工作流的数据应用方案包含什么 / 159
第3部分
第8 章 必须理解的统计学知识
8.1 报表的本质：描述性统计解决日常90% 的问题 / 162
8.1.1 随机变量的分布 / 163
8.1.2 集中趋势1：最值、中位数、众数和均值 / 164
8.1.3 集中趋势2：标准差和方差 / 166
8.2 统计学和因果论：相关性和因果关系 / 167
8.2.1 相关性和因果关系的定义和区别 / 169
8.2.2 数据使用中常见的逻辑谬误 / 171
8.2.3 贝叶斯法则背后的哲学观点 / 172
8.3 假设检验过程代表着一种思维方法 / 173
8.3.1 什么是假设检验过程 / 173
8.3.2 一种有点“反人类”却十分有效的思维方式 / 174
第9 章 必须了解的数据技术基础知识
9.1 数据平台存在的形态：数据平台基础架构 / 175
9.1.1 了解每一个组件解决什么问题 / 176
9.1.2 Hadoop：一个情报处的组织架构 / 178
9.2 数据源：数据采集和数据同步 / 179
9.2.1 用户行为采集：埋点和无埋点的技术原理 / 179
9.2.2 数据同步和数据接入：做好数据的搬运工 / 183
9.3 数据建模：核心思想是“分类” / 185
9.3.1 了解主流“门派”：维度建模，从ODS 到数据集市 / 185
9.3.2 计算资源分配：调度和依赖 / 187
9.3.3 实时数据：流式SQL 的出现 / 187
9.4 产品经理要学一点代码 / 188
9.4.1 SQL 也许不能叫作代码，却不可替代 / 188
9.4.2 团队里存在的技术栈，要知道它们的原理和难度 / 188
第10 章 不得不说的“坑”和红线
10.1 直面数据质量问题 / 190
10.1.1 统一名词库的必要性和困难 / 191
10.1.2 第三方系统数据的接入和打通 / 193
10.1.3 不可避免的体力活——埋点及其维护 / 194
10.2 数据平台的内功修炼和面向业务的输出很难平衡 / 195
10.2.1 面对刷数、迁移、反复校验的每一天 / 196
10.2.2 千万不要企图做“烂好人” / 197
10.3 数据安全 / 197
10.3.1 我们为什么总是在亡羊补牢 / 198
10.3.2 数据权限管理、流程和规则 / 199
10.3.3 数据产品经理能为数据安全做什么 / 200
· · · · · · (
收起)
