正版 数据增长模型(数智时代的全栈产品运营思维算法与技术) 连诗

第 1章 抓住数据增长波段
1.1 数据增长发展阶段 014
1.2 数据增长新窗口 016
1.3 数据增长待解决的三大产品需求问题 018
1.4 3步帮公司从0到1跟上数字化步伐 020
第 2章 制定数据增长指标体系
2.1 什么是增长型数据指标体系 025
2.2 如何搭建指标体系 027
2.3 评价指标体系原则 029
2.4 如何计算指标 030
2.5 案例：实操LTV用户增长生命周期
价值计算 031
第3章 全面的数据分析流程
3.1 数据采集:源数据获取方法 036
3.1.1 数据埋点:埋点获取数据 036
3.1.2 案例：数据产品经理如何撰写PRD 037
3.1.3 硬件获取数据：硬件传感器获取数据 044
3.1.4 爬虫 048
3.1.5 第三方渠道合作数据 051
3.2 数据缺失处理方法 053
3.3 数据可视化 058
3.4 案例：数据分析全流程 059
第4章 数据挖掘
4.1 数据分析与数据挖掘的关系 068
4.2 数据挖掘的标准流程 070
4.3 新手入门如何系统地学习实操数据 挖掘 074
4.4 案例：数据挖掘 077
第5章 实操必懂的数据分析工具
5.1 数据分析实战Excel 080
5.1.1 常用的统计分析函数 080
5.1.2 文本处理函数 081
5.1.3 数值运算函数 081
5.1.4 逻辑判断函数 082
5.1.5 日期计算函数 082
5.1.6 匹配查找函数 083
5.1.7 多表合并函数 084
5.2 Excel实操分析技巧 084
5.2.1 Excel数据透视表 084
5.2.2 描述性统计分析 087
5.2.3 相关系数与协方差 088
5.2.4 线性回归预测模型 088
5.2.5 移动平均预测模型 089
5.3 Excel可视化数据 089
5.3.1 Excel基础图表可视化 090
5.3.2 Excel高级图表可视化 090
5.3.3 Excel合并报表 091
5.4 实战使用SQL 091
5.4.1 SELECT查询 092
5.4.2 带有约束的查询 093
5.4.3 过滤和排序查询 094
5.4.4 使用JOIN的多表查询 095
5.4.5 外部关联 095
5.5 学会综合运用Python 097
5.5.1 Python定义 097
5.5.2 规划Python学习路径 097
5.5.3 用Python可以解决什么问题 098
5.5.4 新手学Python要准备什么 098
5.6 安装Anaconda 098
5.7 案例：用Python分析新零售 100
第6章 巧用A/B测试
6.1 打破传统的A/B测试观念 106
6.2 什么是A/B测试 106
6.3 系统地设计A/B测试 107
6.4 A/B测试工具 109
6.5 A/B测试不一定是万能的 109
6.6 案例：A/B测试完整产品 112
第7章 数据模型驱动增长
7.1 懂模型就是懂高级数据分析方法 115
7.1.1 数据智能化趋势 115
7.1.2 数据分析与高级分析流程 117
7.2 ARIMA时间序列模型 119
7.2.1 ARIMA时间序列模型定义 119
7.2.2 ARIMA时间序列模型的运用流程 120
7.3 AARRR模型 121
7.3.1 AARRR模型定义 121
7.3.2 搭建和计算海盗模型的思维方法和
案例 128
7.4 AHP搭建风控模型 129
7.4.1 AHP模型的含义 129
7.4.2 AHP层次分析法实例 130
7.4.3 AHP层次分析法小结 133
7.5 RFM客户价值计算和分层运营模型 134
7.5.1 RFM模型定义 134
7.5.2 RFM模型计算方法流程案例 135
7.5.3 RFM模型的意义 137
7.6 LTV用户生命价值周期模型 138
7.6.1 LTV/CLTV的含义 138
7.6.2 LTV的作用 138
7.6.3 LTV的计算方法案例 138
7.7 其他常见的大小数据分析模型 139
第8章 用户画像
8.1 用户画像 142
8.1.1 用户画像定义 142
8.1.2 用户画像的作用 142
8.2 用户画像的方法 143
8.3 案例：淘宝用户画像应用 145
第9章 推荐系统
9.1 实战推荐系统产品 147
9.1.1 基于用户的推荐系统 147
9.1.2 推荐效果评价指标 148
9.1.3 基于内容的推荐系统 148
9.1.4 基于内容推荐系统的优点和缺点 153
9.2 推荐系统应用场景 154
9.3 推荐系统未来必须关注的七大热点 154
9.4 案例：今日头条和抖音短视频
产品推荐系统 161
第 10章 从0到1新建数据仓库
10.1 什么是数据仓库 166
10.1.1 数据仓库的含义 166
10.1.2 数据仓库的特点 166
10.1.3 数据库与数据仓库的关系 167
10.1.4 数据湖与数据仓库 168
10.1.5 数据仓库与数据集市 169
10.1.6 离线数据仓库与实时数据仓库 170
10.2 从0到1构建数据仓库 173
10.2.1 产品视角从0到1搭建数据仓库 173
10.2.2 技术视角从0到1搭建数据仓库 176
10.3 Hadoop生态系统 187
10.3.1 Hadoop发展历程 188
10.3.2 Hadoop生态 193
10.3.3 Hadoop的优势 194
10.3.4 Hadoop的发展趋势 195
10.4 案例：数据仓库产品的建设和应用 195
10.4.1 美团点评用Flink做实时数据仓库建设 195
10.4.2 数据仓库总结 202
第 11章 数据平台
11.1 数据平台产品 213
11.1.1 数据平台的理解 213
11.1.2 数据平台的一般功能 213
11.1.3 数据平台的技术视角 213
11.1.4 数据平台的业务视角 216
11.2 常用的成熟数据平台 219
11.3 数据平台产品架构 221
11.4 搭建大数据平台 223
11.4.1 搭建大数据平台的步骤 223
11.4.2 搭建大数据平台具体实现 225
11.5 案例：数据平台应用 241
11.5.1 阿里云OS数据平台解决方案 241
11.5.2 淘宝、美团、滴滴的大数据平台应用 243
11.5.3 美图大数据平台完整实践案例 247
第 12章 数据中台的介绍与搭建
12.1 数据中台的介绍 257
12.1.1 什么是数据中台 257
12.1.2 数据中台为什么受欢迎 259
12.1.3 要不要做数据中台 269
12.2 中台的分类 271
12.2.1 业务中台 272
12.2.2 技术中台 272
12.2.3 数据中台 273
12.2.4 组织中台 275
12.3 搭建数据中台——以教育中台
产品为例 278
12.3.1 产品设计视角 278
12.3.2 技术视角 279
12.3.3 搭建的中台价值量化 282
12.4 案例：阿里云数据中台解决方案 283
第 13章 数据产品规划
13.1 数据平台规划 291
13.1.1 设计数据平台 291
13.1.2 数据产品场景 292
13.1.3 大数据平台建设 295
13.2 数据产品的用户调研 297
13.3 数据产品的竞品研究 299
13.4 数据产品的需求挖掘 304
13.5 数据产品功能设计思考 306
13.6 数据产品设计指南 308
第 14章 数据产品经理如何
实现数据产品
14.1 数据产品经理工作内容 313
14.1.1 数据产品经理工作职责 313
14.1.2 企业对数据产品经理的要求 313
14.2 数据产品团队职能 313
14.3 做出数据产品和卖出数据产品 315
14.3.1 数据产品的4个层次 316
14.3.2 数据产品的商业化 316
14.4 数据产品运营 318
14.4.1 数据从哪来 318
14.4.2 数据判断 319
第 15章 数据安全和隐私保护
15.1 数据安全 321
15.1.1 什么是数据安全 321
15.1.2 数据不安全带来的危害 324
15.2 数据安全方案 325
15.2.1 数据安全的定位、框架及
制度安全 325
15.2.2 网络安全和物理安全 330
15.2.3 窃取技术防护、服务器安全、
数据库安全和数据备份 337
15.3 如何保护隐私 346
15.3.1 关于数据隐私的9个观点 346
15.3.2 保护个人隐私15招 348
15.3.3 企业的隐私保护 349
15.3.4 数据产品经理应该了解的4种数据隐私保护技术 350
第 16章 数智化重塑增长
16.1 数智化 359
16.1.1 踏上数智化之路 359
16.1.2 从数字化走向数智化 360
16.2 数智化重塑未来增长的破局之路 364
16.3 找到数智化转型的第 一个切入点 367
16.4 案例：数智化破局增长 372
16.4.1 传统企业数智化重塑增长案例 372
16.4.2 数智化解决方案案例——需求预测 373
第 17章 不确定时代的数据产品经理思维方法
17.1 物联网的数智化未来 378
17.2 以快手为例看5G时代互联网产品的变化 380
17.3 数据认知促进数据思维 383
第 18章 “数据人”行动路径
18.1 尽快从传统产品经理跃迁到数据产品经理 387
18.2 数据产品跃迁三部曲 387
18.3 数据产品经理=数据技术经理+运营经理+项目产品经理 389
附录一 常用术语：75个专业术语
附录二 数据产品经理的3种图

连诗路，阿里早期创业产品团队成员，爱奇艺奇秀视频直播高管，艺龙旅行网高管，上海路奇公司CEO。做过项目包括：阿里巴巴人工智能大脑、爱奇艺人工智能推荐、数字新零售美邦OMO（线上融合线下）产品从0到1；柔宇集团智能硬件，小米AIoT项目咨询顾问。 人人都是产品经理专栏作家，LineLian 专栏阅读数过100万。

1.阿里巴巴、美团点评、腾讯、滴滴等数据产品案例，更有实例展示阿里、腾讯的数据产品团队与企业文化，阿里、腾讯数据产品经理的一天工作，阿里、腾讯数据产品经理面试流程与求职经验。既有大公司的数据产品经验案例也有创业团队的经验总结。

2.“道”与“术”。本书不仅有道的层面展示丰富数据产品经理思维方法内容，不仅仅要懂产品层面的数智化需要整体产品团队、技术团队、运营团队有数字化的思维文化，还要懂术的层面支持大量数据分析的新工具流程和数据挖掘的新工具新技术，既在道的层面产品思维方面强调数据产品的思维方法，亦在术的层面也进行了数据产品实操。

本书以在数字化背景下，数据产品从业者的数据技术、数据技能、数据思维、数据方法、数据模型、产品用户/客户增长实战经验为基调，体系化撰写了数字化和数据产品的数据经验知识和案例。随书附赠丰富的原始数据和源代码，方便读者对数据分析案例进行实操练习。
本书内容全面，结构完整。首先，讲解了数据指标体系搭建和数据埋点案例；然后按照细节讲解数据分析流程、数据采集方法、数据挖掘整体方法；紧接着通过实操案例讲解了的数据产品工具，如EXCEL、Python、SQL、Anaconda、AB测试等工具，驱动数据增长的实战模型，如ARIMA、AHP、LTV、AARRR等，以及数据仓库和大数据平台的搭建方法；最后讲解了数据中台和数据安全、数据智能应用场景、用户增长实战案例。
本书适合数字化市场下的数据产品从业者阅读，主要读者人群包含数据产品经理、数据运营人员、数据产品技术人员、数据领域创业者和相关专业的学生。

适读人群 ：数据分析、数据工程爱好者，数据岗位产品经理和运营人员
1.阿里巴巴、美团点评、腾讯、滴滴等数据产品案例，更有实例展示阿里、腾讯的数据产品团队与企业文化，阿里、腾讯数据产品经理的一天工作，阿里、腾讯数据产品经理面试流程与求职经验。既有大公司的数据产品经验案例也有创业团队的经验总结。
2.“道”与“术”。本书不仅有道的层面展示丰富数据产品经理思维方法内容，不仅仅要懂产品层面的数智化需要整体产品团队、技术团队、运营团队有数字化的思维文化，还要懂术的层面支持大量数据分析的新工具流程和数据挖掘的新工具新技术，既在道的层面产品思维方面强调数据产品的思维方法，亦在术的层面也进行了数据产品实操。