套装 用户画像方法论+工程实践+标签类体系+数据资产设计,领域公认标准著作(套装共2册)

商品名称：

用户画像方法论+工程实践+标签类体系+数据资产设计，领域公认标准著作（套装共2册）(《用户画像：方法论与工程化解决方案》 《标签类目体系：面向业务的数据资产设计方法论》 )

作 者：

任寅姿 赵宏田

市 场 价：

178.00元

ISBN 号：

9787111635642； 9787111681625

出 版 社：

机械工业出版社

《用户画像：方法论与工程化解决方案》

前言

第1章 用户画像基础1

1.1 用户画像是什么1

1.1.1 画像简介1

1.1.2 标签类型3

1.2 数据架构4

1.3 主要覆盖模块5

1.4 开发阶段流程7

1.4.1 开发上线流程7

1.4.2 各阶段关键产出9

1.5 画像应用的落地10

1.6 某用户画像案例11

1.6.1 案例背景介绍11

1.6.2 相关元数据12

1.6.3 画像表结构设计16

1.7 定性类画像21

1.8 本章小结22

第2章 数据指标体系23

2.1 用户属性维度23

2.1.1 常见用户属性23

2.1.2 用户性别26

2.2 用户行为维度27

2.3 用户消费维度27

2.4 风险控制维度29

2.5 社交属性维度30

2.6 其他常见标签划分方式31

2.7 标签命名方式33

2.8 本章小结34

第3章 标签数据存储35

3.1 Hive存储35

3.1.1 Hive数据仓库35

3.1.2 分区存储37

3.1.3 标签汇聚39

3.1.4 ID-MAP41

3.2 MySQL存储45

3.2.1 元数据管理45

3.2.2 监控预警数据47

3.2.3 结果集存储47

3.3 HBase存储50

3.3.1 HBase简介50

3.3.2 应用场景52

3.3.3 工程化案例52

3.4 Elasticsearch存储59

3.4.1 Elasticsearch简介59

3.4.2 应用场景60

3.4.3 工程化案例64

3.5 本章小结67

第4章 标签数据开发69

4.1 统计类标签开发69

4.1.1 近30日购买行为标签案例70

4.1.2 最近来访标签案例73

4.2 规则类标签开发74

4.2.1 用户价值类标签案例75

4.2.2 用户活跃度标签案例79

4.3 挖掘类标签开发84

4.3.1 案例背景84

4.3.2 特征选取及开发85

4.3.3 文本分词处理86

4.3.4 数据结构处理89

4.3.5 文本TF-IDF权重90

4.3.6 朴素贝叶斯分类92

4.4 流式计算标签开发95

4.4.1 流式标签建模框架95

4.4.2 Kafka简介96

4.4.3 Spark Streaming集成Kafka97

4.4.4 标签开发及工程化99

4.5 用户特征库开发104

4.5.1 特征库规划105

4.5.2 数据开发107

4.5.3 其他特征库规划111

4.6 标签权重计算112

4.6.1 TF-IDF词空间向量112

4.6.2 时间衰减系数114

4.6.3 标签权重配置115

4.7 标签相似度计算116

4.7.1 案例场景116

4.7.2 数据开发118

4.8 组合标签计算122

4.8.1 应用场景122

4.8.2 数据计算123

4.9 数据服务层开发124

4.9.1 推送至营销系统125

4.9.2 接口调用服务127

4.10 GraphX图计算用户129

4.10.1 图计算理论及应用场景129

4.10.2 数据开发案例132

4.11 本章小结135

第5章 开发性能调优137

5.1 数据倾斜调优137

5.2 合并小文件141

5.3 缓存中间数据143

5.4 开发中间表144

5.5 本章小结145

第6章 作业流程调度146

6.1 crontab命令调度146

6.2 Airflow工作平台148

6.2.1 基础概念149

6.2.2 Airflow服务构成150

6.2.3 Airflow安装151

6.2.4 主要模块功能151

6.2.5 工作流调度155

6.2.6 脚本实例155

6.2.7 常用命令行158

6.2.8 工程化调度方案158

6.3 数据监控预警161

6.3.1 标签监控预警161

6.3.2 服务层预警162

6.4 ETL异常排查164

6.5 本章小结166

第7章 用户画像产品化167

7.1 即时查询167

7.2 标签视图与标签查询169

7.3 元数据管理171

7.4 用户分群功能173

7.5 人群分析功能175

7.6 本章小结177

第8章 用户画像应用178

8.1 经营分析178

8.1.1 商品分析178

8.1.2 用户分析179

8.1.3 渠道分析180

8.1.4 漏斗分析185

8.1.5 客服话术186

8.1.6 人群特征分析186

8.2 精准营销187

8.2.1 短信/邮件营销187

8.2.2 效果分析188

8.3 个性化推荐与服务189

8.4 本章小结190

第9章 实践案例详解191

9.1 风控反欺诈预警191

9.1.1 应用背景191

9.1.2 用户画像切入点192

9.2 A/B人群效果测试193

9.2.1 案例背景194

9.2.2 用户画像切入点194

9.2.3 效果分析195

9.3 用户生命周期划分与营销195

9.3.1 生命周期划分196

9.3.2 不同阶段的用户触达策略201

9.3.3 画像在生命周期中的应用204

9.3.4 应用案例206

9.4 高价值用户实时营销209

9.4.1 项目应用背景209

9.4.2 用户画像切入点209

9.4.3 HBase应用场景小结209

9.5 短信营销用户211

9.5.1 案例背景211

9.5.2 画像切入及其应用效果211

9.6 Session行为分析应用213

9.6.1 关于用户行为分析213

9.6.2 案例背景218

9.6.3 特征构建219

9.6.4 分析方法与结论221

9.7 人群效果监测报表搭建228

9.7.1 案例背景228

9.7.2 逻辑梳理228

9.7.3 自动报表邮件237

9.8 基于用户特征库筛选目标人群239

9.8.1 案例背景239

9.8.2 应用方式及效果240

9.9 本章小结241

附录 某产品用户画像项目规划文档242

《标签类目体系：面向业务的数据资产设计方法论》

序一

序二

前言

由来篇 因何产生，为何需要

第1章 因：6大数据困局

1.1 数据孤岛，无法打通2

1.2 烟囱式建设，重复造轮子6

1.3 各说各话，没有统一口径9

1.4 鸡同鸭讲，无法穿透业务层12

1.5 数据人员的梦魇，数据治理永远没有尽头14

1.6 数据部门的尴尬，被命运扼住咽喉的成本中心18

第2章 源：6段由来过程

2.1 数据资产发展的4个阶段22

2.1.1 数据资产1.0：构建消费者信息库23

2.1.2 数据资产2.0：ID-Mapping打通数据27

2.1.3 数据资产3.0：全集团数据共享共荣30

2.1.4 数据资产4.0：更广泛领域的数据实践35

2.2 方法论抽象的2个阶段38

2.2.1 方法论0.1：方法梳理38

2.2.2 方法论1.0：原理研究42

2.3 标签在数据系统中的定位45

2.3.1 标签在数据资产中的位置45

2.3.2 标签在数据中台中的位置50

2.4 关键术语的定义和解释54

第3章 义：3点产生必要

3.1 数据资产可复用59

3.2 面向业务可理解64

3.3 数据价值可衡量69

理论篇 基础原理与演绎推导

第4章 道：4个核心原理

4.1 为什么要先讲道76

4.1.1 思维认知之重77

4.1.2 什么是道78

4.2 业务与数据的连接发展80

4.2.1 数据系统的发展历程80

4.2.2 业务系统与数据系统的关联 81

4.2.3 面向业务的数据资产组织形式83

4.3 根、枝干、叶/花83

4.3.1 树的根决定了这是一棵什么树84

4.3.2 树的枝干对应标签分类84

4.3.3 树的叶/花部分指向标签85

4.4 能量、养分和凋零91

4.4.1 实体树之间通过关系树连接92

4.4.2 从实体树叶子回溯打开关系树森林93

4.4.3 关系树向实体树赋予能量94

4.4.4 业务使用是对标签树的养分供给96

4.4.5 最终梳理出一片森林而非一棵树97

4.5 分形结构与资产树栽种模式97

4.5.1 完整规划，由浅入深99

4.5.2 纵深打穿，从局部直接截取101

4.6 资产树使用模式推演103

4.6.1 查询服务105

4.6.2 分析服务106

4.6.3 圈选服务108

第5章 法：完整的设计方法

5.1 3个构建前提110

5.1.1 统一的数据思维111

5.1.2 充分的前期调研115

5.1.3 正确的落地思路120

5.2 6个设计步骤123

5.2.1 识别对象123

5.2.2 同一对象数据打通125

5.2.3 数据化的事物表达130

5.2.4 构建数据类目体系133

5.2.5 构建标签类目体系138

5.2.6 前后台标签类目体系168

第6章 术：使用技法与重要问题

6.1 标签规范177

6.1.1 标签化178

6.1.2 元标签180

6.1.3 标签问题191

6.2 谈谈组合标签195

6.2.1 同一对象下的标签组合195

6.2.2 不同对象间的标签组合200

6.3 如何使用标签208

6.3.1 什么是平台级复用208

6.3.2 平台级复用的标签使用方式209

6.3.3 什么是服务组件、数据服务、数据应用系统210

6.3.4 服务组件的演变趋势214

6.4 标签怎么运营217

6.4.1 标签的全生命周期运营217

6.4.2 标签运营环节中的责任单位220

6.4.3 标签的运营闭环221

6.5 标签质量怎么看222

6.5.1 数据来源类相关指标222

6.5.2 标签加工过程相关指标223

6.5.3 标签使用过程相关指标224

6.6 标签成本怎么看224

6.6.1 标签数据源采集与存储成本225

6.6.2 标签设计与加工成本227

6.6.3 标签使用与营销成本228

6.7 标签价值怎么看229

6.7.1 标签价值的分类229

6.7.2 标签价值的衡量方式232

6.8 标签方法论与数仓建模的异同233

6.8.1 标签方法论与数仓建模的差异234

6.8.2 标签方法论与数仓建模的联系235

实践篇 商业实战中的价值涌现

第7章 器：标签工具和经典模板

7.1 标签工具238

7.1.1 标签体系设计239

7.1.2 标签同步与加工243

7.1.3 标签管理244

7.1.4 标签门户247

7.1.5 标签使用250

7.2 4个经典模板253

7.2.1 用户标签类目体系模板254

7.2.2 企业标签类目体系模板268

7.2.3 员工标签类目体系模板277

7.2.4 商品标签类目体系模板291

第8章 践：从标签到应用的5个最佳实践

8.1 实践1：银行业卡业务精准营销场景300

8.1.1 银行业卡业务标签设计301

8.1.2 银行业卡业务标签应用308

8.1.3 银行业卡业务实践小结310

8.2 实践2：汽车业整车厂商可视化大屏场景311

8.2.1 汽车业整车厂商标签设计312

8.2.2 汽车业整车厂商标签应用319

8.2.3 汽车业整车厂商实践小结323

8.3 实践3：制造业B2B平台供应链金融场景324

8.3.1 制造业B2B平台标签设计325

8.3.2 制造业B2B平台标签应用333

8.3.3 制造业B2B平台实践小结337

8.4 实践4：零售业电商千人千面推荐场景339

8.4.1 零售业电商标签设计340

8.4.2 零售业电商标签应用345

8.4.3 零售业电商

《用户画像：方法论与工程化解决方案》

本书从技术维度系统讲解了用户画像的方法论和一些常见的工程化解决方案。

全书共分为9个章节。

 用户画像基础：讲述用户画像的一些基础概念、数据仓库架构、整个项目开发的流程、以及画像相关的表结构设计；

第二章 数据指标体系：从用户属性、用户行为、用户消费、风险控制等四个维度详细罗列了常用到的用户标签，这些标签基本涵盖了大部分场景一半以上的标签需求。同时介绍了标签的规范化命名方式；

第三章 标签数据存储：讲了为什么使用Hive、MySQL、hbase等数据库对标签数据进行存储，以及存储实现方式；

第四章 标签数据开发：本章是全书的重点章节，讲述了统计类标签、规则类标签、挖掘类标签、流式计算类标签的开发。以及用户特征库、人群计算、标签权重计算、打通数据服务层等方面的开发。；

第五章 开发性能调优：主要包括数据倾斜调优、开发中间表、读取小文件处理、redis缓存热数据等数据性能优化方面；

第六章 作业流程调度：数据的ETL调度是数据开发中的重要内容，本章主要讲了如何使用当下热门的开源调度工具Airflow进行数据的调度及场景调度异常的排查工作；

第七章 用户画像产品化：开发画像后的标签数据，如果只是“躺在”数据仓库中，并不能发挥更大的业务价值。只有将画像数据产品化后才能更方便业务方的使用。本章主要讲述了产品端的用户画像是什么样子？如何帮助业务人员进行分析，提供服务的；

第八章 用户画像应用：用户画像的应用包括用户分析、商品分析、流量分析、push、短信、邮件等营销以及站内的个性化推荐等应用场景；

第九章 实践案例详解：前面的八个章节主要从工程化开发的角度讲了如何从0到1搭建起用户画像系统及其应用场景，本章从完整的工业实践应用角度，通过两个实践案例帮助读者更好地理解画像系统是如何切入到应用场景中帮助提升工作效率、提高ROI的。

《标签类目体系：面向业务的数据资产设计方法论》

内容简介

·企业数字化转型中Z适合的数据资产组织方式是什么样的？

·为什么越来越多的企业在讨论标签化和标签体系？

·数澜独创的标签类目体系方法论有何独到之处？

数据资产化是企业数字化转型的必经之路，也是数据中台的重要组成部分。

标签类目体系是数据中台理念落地的核心组成部分，是实现数据资产可复用、柔性组合使用、降低数据应用试错门槛的强力支撑。

数据作为第五生产要素参与分配，数据资本化的重要前提是数据商品化，数据商品化的Z佳载体就是标签。因此，学习如何将数据转化、映射为标签，并通过对标签的管理、应用实现数据资产的价值运营，对于商业化企业来说显得尤为重要。

本书旨在培养资深的数据资产架构师及数据运营专家，以方法教育而非工具实施的方式助力企业建立自身的数据资产化能力，将数据能力Z大限度地转化为商业价值。

全书共9章，分为3部分。

由来篇（第1~3章）

首先分析了当前各企业在数据建设过程中会遇到的6类主流问题与困难限制；为了应对这些数据问题，逐渐发展出的标签类目体系这一数据资产构建方法论及其定位定义；论述了采用该方法建设数据资产的3点必要性与意义：资产可复用、业务可理解、价值可衡量。

理论篇（第4~6章）

详细讲解了标签类目体系方法论的4条核心原理；从核心原理衍生出的完整设计步骤，包括3个构建前提和6条设计步骤；同时阐述了标签方法论在实施落地过程中的具体使用技法，并探讨了其中的核心问题。

实践篇（第7~9章）

重点介绍了当前可用的标签工具和经典模板，它们可以用来提升标签类目体系的设计、使用、运营效率；列举了5个从标签设计到数据应用的Z佳实践方案；并总结了标签化成果价值、商业/社会价值及标签设计人才的培养经验。