寫給數據產品經理新人的工作筆記
內容描述
《寫給數據產品經理新人的工作筆記》的目標在於，為數據產品從業新人或準備轉行做數據產品的讀者提供一個本領域的通解通法，並對即將面臨的問題做出預判，並找到解決方案。《寫給數據產品經理新人的工作筆記》以數據產品經理角色的定位和合作關系為切入點，站在整個數據體系的視角，從工作流程的角度剖析數據需求溝通和判斷的過程、指標體系搭建的過程，同時介紹了部分通用工具，並詳細剖析這些工具和對應的數據體系要解決的問題之間的關系。最後補充了必要的統計學常識、數據技術常識，並對一些在數據產品經理的工作過程中經常遇到的問題給出解決方案。
目錄大綱
目 錄
第1部分
第1章 成為數據產品經理：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 新人的困惑 / 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產品經理——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產品經理——從具體到抽象 / 010
1.3.1 從數據技術轉型的困惑 / 010
1.3.2 從數據技術轉型的關鍵點 / 011
1.4 從其他產品經理轉型做數據產品經理——從信息到數據 / 014
1.4.1 從後台產品經理轉型做數據產品經理 / 014
1.4.2 前端產品經理也能轉型做數據產品經理 / 016
1.5 工作筆記：數據產品經理技能樹 / 016
第2章 數據產品經理和其他角色的關系
2.1 角色之間的關系和他們面對的問題 / 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/ 輸出 / 022
2.2 你的用戶是誰：數據產品的“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 從平臺到中台 / 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 識別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 和大家達成一些合作共識 / 042
3.2.2 信息記錄和信息反饋 / 045
3.2.3 不停地回顧——需求復盤方法 / 047
3.3 當我們在討論“預測”時，是在討論什麽 / 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 充分描述歷史數據 / 052
3.4 工作筆記：一個需求溝通框架 / 052
第4 章 指標體系搭建
4.1 指標體系 / 054
4.1.1 什麽是指標體系 / 054
4.1.2 指標體系如何描述業務 / 056
4.1.3 案例：某媒體網站的指標體系搭建 / 059
4.1.4 從指標體繫到數據驅動的過程 / 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——報表很重要 / 065
4.3.1 從寬表到報表 / 065
4.3.2 從頂層監控到多維度拆分 / 070
4.3.3 迭代和反饋機制 / 070
4.4 工作筆記：一個指標體系的產品化方式 / 071
第5 章 Excel 是最完美的數據產品
5.1 Excel 常用功能盤點 / 076
5.1.1 重點函數和動態圖表 / 078
5.1.2 數據透視表和數據透視圖、切片器 / 084
5.2 使用Excel 做思維訓練 / 088
5.2.1 數據和可視化的關系 / 088
5.2.2 案例：Excel 迷你動態模板開發實戰 / 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 通用報表工具 / 108
6.1.2 數據治理工具：維表、數據質量管理 / 112
6.1.3 自助查詢和開發類工具 / 116
6.2 可視化平臺設計 / 118
6.2.1 可視化平臺結構的分類 / 119
6.2.2 不同圖表類型的作用和數據源結構 / 120
6.2.3 可視化平臺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：一個數據產品的PRD 結構 / 141
第7 章 數據應用和第三方平臺
7.1 數據應用產品 / 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 第三方平臺產品 / 153
7.2.1 DMP 到底是什麽 / 154
7.2.2 類似神策、GrowingIO 等平臺的優勢和適用範圍 / 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麽 / 159
第３部分
第8 章 必須理解的統計學知識
8.1 報表的本質：描述性統計解決日常90% 的問題 / 162
8.1.1 隨機變量的分佈 / 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：相關性和因果關系 / 167
8.2.1 相關性和因果關系的定義和區別 / 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 假設檢驗過程代表著一種思維方法 / 173
8.3.1 什麽是假設檢驗過程 / 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 數據平臺存在的形態：數據平臺基礎架構 / 175
9.1.1 瞭解每一個組件解決什麽問題 / 176
9.1.2 Hadoop：一個情報處的組織架構 / 178
9.2 數據源：數據採集和數據同步 / 179
9.2.1 用戶行為採集：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 的出現 / 187
9.4 產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 團隊里存在的技術棧，要知道它們的原理和難度 / 188
第10 章 不得不說的“坑”和紅線
10.1 直面數據質量問題 / 190
10.1.1 統一名詞庫的必要性和困難 / 191
10.1.2 第三方系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 數據平臺的內功修煉和麵向業務的輸出很難平衡 / 195
10.2.1 面對刷數、遷移、反復校驗的每一天 / 196
10.2.2 千萬不要企圖做“爛好人” / 197
10.3 數據安全 / 197
10.3.1 我們為什麽總是在亡羊補牢 / 198
10.3.2 數據權限管理、流程和規則 / 199
10.3.3 數據產品經理能為數據安全做什麽 / 200
