第1部分
第1章 成為數據産品經理：角色創建和角色轉變
1.1 給“小萌新”的信心和冷水——歡迎打開這個新世界的大門 / 003
1.1.1 新人的睏惑 / 003
1.1.2 新角色的技能樹 / 004
1.2 從數據分析師轉型做數據産品經理——從解構到創造 / 006
1.2.1 兩種角色的巨大差異 / 007
1.2.2 從數據分析師轉型的難點 / 008
1.3 從數據技術轉型做數據産品經理——從具體到抽象 / 010
1.3.1 從數據技術轉型的睏惑 / 010
1.3.2 從數據技術轉型的關鍵點 / 011
1.4 從其他産品經理轉型做數據産品經理——從信息到數據 / 014
1.4.1 從後颱産品經理轉型做數據産品經理 / 014
1.4.2 前端産品經理也能轉型做數據産品經理 / 016
1.5 工作筆記：數據産品經理技能樹 / 016
第2章 數據産品經理和其他角色的關係
2.1 角色之間的關係和他們麵對的問題 / 019
2.1.1 數據業務結構和相關角色 / 019
2.1.2 角色之間的輸入/ 輸齣 / 022
2.2 你的用戶是誰：數據産品的“用戶分析” / 023
2.2.1 數據角色相關用戶 / 023
2.2.2 非數據角色相關用戶 / 026
2.3 不同階段，不同定義 / 028
2.3.1 從平颱到中颱 / 028
2.3.2 明確公司所處的階段和狀態 / 029
第2 部分
第3 章 需求溝通過程
3.1 發現數據需求的本質 / 030
3.1.1 數據需求類型 / 030
3.1.2 不同需求類型對應的實現方式 / 035
3.1.3 識彆需求背後需要解決的問題 / 037
3.1.4 需求溝通中的提問技巧 / 040
3.2 避免做太多臨時的事——需求沉澱 / 042
3.2.1 和大傢達成一些閤作共識 / 042
3.2.2 信息記錄和信息反饋 / 045
3.2.3 不停地迴顧——需求復盤方法 / 047
3.3 當我們在討論“預測”時，是在討論什麼 / 050
3.3.1 理解概率結論的不確定性 / 050
3.3.2 不確定感帶來的焦慮 / 051
3.3.3 充分描述曆史數據 / 052
3.4 工作筆記：一個需求溝通框架 / 052
第4 章 指標體係搭建
4.1 指標體係 / 054
4.1.1 什麼是指標體係 / 054
4.1.2 指標體係如何描述業務 / 056
4.1.3 案例：某媒體網站的指標體係搭建 / 059
4.1.4 從指標體係到數據驅動的過程 / 061
4.2 指標定義和維度定義 / 062
4.2.1 指標和維度 / 062
4.2.2 抽象定義和操作定義 / 063
4.2.3 計算口徑之爭 / 063
4.3 基礎監控的建立——報錶很重要 / 065
4.3.1 從寬錶到報錶 / 065
4.3.2 從頂層監控到多維度拆分 / 070
4.3.3 迭代和反饋機製 / 070
4.4 工作筆記：一個指標體係的産品化方式 / 071
第5 章 Excel 是最完美的數據産品
5.1 Excel 常用功能盤點 / 076
5.1.1 重點函數和動態圖錶 / 078
5.1.2 數據透視錶和數據透視圖、切片器 / 084
5.2 使用Excel 做思維訓練 / 088
5.2.1 數據和可視化的關係 / 088
5.2.2 案例：Excel 迷你動態模闆開發實戰 / 089
第6 章 不同的工具解決不同的問題
6.1 基礎工具設計 / 107
6.1.1 通用報錶工具 / 108
6.1.2 數據治理工具：維錶、數據質量管理 / 112
6.1.3 自助查詢和開發類工具 / 116
6.2 可視化平颱設計 / 118
6.2.1 可視化平颱結構的分類 / 119
6.2.2 不同圖錶類型的作用和數據源結構 / 120
6.2.3 可視化平颱功能點最好能夠標準化 / 134
6.2.4 Power BI 和Tableau 的對比評測 / 135
6.3 工作筆記：一個數據産品的PRD 結構 / 141
第7 章 數據應用和第三方平颱
7.1 數據應用産品 / 143
7.1.1 多版本測試及其工具 / 144
7.1.2 用戶畫像和用戶標簽 / 150
7.1.3 策略庫的形成和數據閉環 / 151
7.2 第三方平颱産品 / 153
7.2.1 DMP 到底是什麼 / 154
7.2.2 類似神策、GrowingIO 等平颱的優勢和適用範圍 / 155
7.3 工作筆記：一套融入業務工作流的數據應用方案包含什麼 / 159
第3部分
第8 章 必須理解的統計學知識
8.1 報錶的本質：描述性統計解決日常90% 的問題 / 162
8.1.1 隨機變量的分布 / 163
8.1.2 集中趨勢1：最值、中位數、眾數和均值 / 164
8.1.3 集中趨勢2：標準差和方差 / 166
8.2 統計學和因果論：相關性和因果關係 / 167
8.2.1 相關性和因果關係的定義和區彆 / 169
8.2.2 數據使用中常見的邏輯謬誤 / 171
8.2.3 貝葉斯法則背後的哲學觀點 / 172
8.3 假設檢驗過程代錶著一種思維方法 / 173
8.3.1 什麼是假設檢驗過程 / 173
8.3.2 一種有點“反人類”卻十分有效的思維方式 / 174
第9 章 必須瞭解的數據技術基礎知識
9.1 數據平颱存在的形態：數據平颱基礎架構 / 175
9.1.1 瞭解每一個組件解決什麼問題 / 176
9.1.2 Hadoop：一個情報處的組織架構 / 178
9.2 數據源：數據采集和數據同步 / 179
9.2.1 用戶行為采集：埋點和無埋點的技術原理 / 179
9.2.2 數據同步和數據接入：做好數據的搬運工 / 183
9.3 數據建模：核心思想是“分類” / 185
9.3.1 瞭解主流“門派”：維度建模，從ODS 到數據集市 / 185
9.3.2 計算資源分配：調度和依賴 / 187
9.3.3 實時數據：流式SQL 的齣現 / 187
9.4 産品經理要學一點代碼 / 188
9.4.1 SQL 也許不能叫作代碼，卻不可替代 / 188
9.4.2 團隊裏存在的技術棧，要知道它們的原理和難度 / 188
第10 章 不得不說的“坑”和紅綫
10.1 直麵數據質量問題 / 190
10.1.1 統一名詞庫的必要性和睏難 / 191
10.1.2 第三方係統數據的接入和打通 / 193
10.1.3 不可避免的體力活——埋點及其維護 / 194
10.2 數據平颱的內功修煉和麵嚮業務的輸齣很難平衡 / 195
10.2.1 麵對刷數、遷移、反復校驗的每一天 / 196
10.2.2 韆萬不要企圖做“爛好人” / 197
10.3 數據安全 / 197
10.3.1 我們為什麼總是在亡羊補牢 / 198
10.3.2 數據權限管理、流程和規則 / 199
10.3.3 數據産品經理能為數據安全做什麼 / 200
· · · · · · (
收起)
