數(shù)據(jù)產(chǎn)品經(jīng)理必修課：從零經(jīng)驗到令人驚艷

第一部分 產(chǎn)品經(jīng)理的前世今生
第1章 產(chǎn)品經(jīng)理的前世
1.1 產(chǎn)品經(jīng)理究竟是什么 4
1.1.1 咬文嚼字說產(chǎn)品經(jīng)理 4
1.1.2 產(chǎn)品經(jīng)理的歷史溯源 5
1.2 泛產(chǎn)品經(jīng)理與產(chǎn)品經(jīng)理 6
1.2.1 產(chǎn)品經(jīng)理的專業(yè)取向 7
1.2.2 產(chǎn)品經(jīng)理的泛化 8
1.3 互聯(lián)網(wǎng)產(chǎn)品經(jīng)理的規(guī)定動作 12
1.3.1 需求調研 12
1.3.2 競品分析 14
1.3.3 原型設計 16
第2章 產(chǎn)品經(jīng)理的今生
2.1 賣家秀：自我提升的幾項技能 20
2.1.1 從需求文檔到動機文檔 20
2.1.2 從競品分析到廣義競品分析 22
2.1.3 從原型設計到交互設計 24
2.2 買家秀：弄垮團隊的若干“要領” 28
2.2.1 越過產(chǎn)品雷池 28
2.2.2 踏入團隊雷池 29
2.2.3 邁向公司雷池 30
第3章 產(chǎn)品經(jīng)理的入行
3.1 入行做產(chǎn)品的幾種可能 34
3.1.1 源自技術崗 34
3.1.2 源自業(yè)務崗 35
3.1.3 源自應屆生 36
3.2 上崗后的第一件事 37
3.2.1 產(chǎn)品全圖 38
3.2.2 行業(yè)全圖 39
3.2.3 產(chǎn)業(yè)全圖 40
3.3 工作中如何學習 41
第二部分 古往今來的數(shù)據(jù)思維
第4章 歷史中的數(shù)據(jù)思維
4.1 人口普查：最早的數(shù)據(jù)埋點策略 46
4.1.1 埋點的技術視角 46
4.1.2 埋點的時機與策略 48
4.2 命令與征服：可視化最早的用意 49
4.2.1 可視化大家說 50
4.2.2 可視化與歷史 51
4.3 科技革命：助力數(shù)據(jù)產(chǎn)品落地 54
4.3.1 手工統(tǒng)計 55
4.3.2 機械統(tǒng)計 55
4.3.3 電子統(tǒng)計 57
4.4 數(shù)據(jù)驅動決策的歷史溯源 57
4.4.1 美國建立時用數(shù)據(jù)分權 58
4.4.2 南北戰(zhàn)爭時用數(shù)據(jù)進軍 59
4.4.3 經(jīng)濟發(fā)展時用數(shù)據(jù)裁判 60
4.5 管理咨詢：使用數(shù)據(jù)降本增效 61
4.5.1 咨詢指引數(shù)據(jù)產(chǎn)品方向 62
4.5.2 管理啟迪思維模式更新 63
4.6 聊聊統(tǒng)計學 64
4.6.1 政治算術 64
4.6.2 頻率學派 65
4.6.3 概率學派 66
4.7 LEHD：美國的第一個大數(shù)據(jù)項目 67
4.7.1 信息逐步開放 67
4.7.2 大數(shù)據(jù)項目開展 68
4.8 歷史給我們數(shù)據(jù)思維的啟示 69
4.8.1 用數(shù)據(jù)說話 69
4.8.2 向賢者取經(jīng) 69
4.8.3 漸進性創(chuàng)新 70
4.8.4 需求創(chuàng)造供給 70
第5章 行業(yè)擁抱數(shù)據(jù)思維
5.1 大數(shù)據(jù)從何而來 72
5.1.1 大數(shù)據(jù)歷史 73
5.1.2 自身發(fā)展 75
5.2 大數(shù)據(jù)的全球格局與中國面貌 76
5.2.1 全球格局 76
5.2.2 中國面貌 77
5.2.3 行業(yè)概覽 78
5.3 大數(shù)據(jù)+“治理與交通” 81
5.3.1 治理 81
5.3.2 交通 83
5.4 大數(shù)據(jù)+“零售與金融” 84
5.4.1 零售 84
5.4.2 金融 88
5.5 大數(shù)據(jù)+“體育與教育” 89
5.5.1 體育 89
5.5.2 教育 91
5.6 大數(shù)據(jù)+“醫(yī)療與旅游” 93
5.6.1 醫(yī)療 93
5.6.2 旅游 94
5.7 大數(shù)據(jù)+“農業(yè)與制造” 96
5.7.1 農業(yè) 96
5.7.2 制造 97
5.8 大數(shù)據(jù)行業(yè)成熟了嗎 97
5.8.1 行業(yè)成熟度 98
5.8.2 大數(shù)據(jù)理念 99
5.8.3 大數(shù)據(jù)趨勢 100
5.9 大數(shù)據(jù)在產(chǎn)業(yè)中的位置 103
5.9.1 行業(yè)組成 104
5.9.2 產(chǎn)業(yè)構成 106
第6章 當產(chǎn)品經(jīng)理遇見數(shù)據(jù)思維
6.1 下一站：數(shù)據(jù)科學家 110
6.1.1 數(shù)據(jù)科學的歷史由來 110
6.1.2 數(shù)據(jù)科學與商業(yè)智能 111
6.1.3 數(shù)據(jù)科學的職業(yè)分類 112
6.1.4 數(shù)據(jù)分析的技能進階 114
6.2 數(shù)據(jù)產(chǎn)品經(jīng)理的職業(yè)新要求 115
第三部分 數(shù)據(jù)產(chǎn)品經(jīng)理的技能進階
第7章 面向產(chǎn)品經(jīng)理的數(shù)據(jù)預處理
7.1 數(shù)據(jù)分析的標準姿勢 128
7.2 淘洗數(shù)據(jù)沙礫（數(shù)據(jù)清洗） 130
7.2.1 缺失值 130
7.2.2 異常值 132
7.2.3 歸一化 133
7.3 聚細沙成佛塔（數(shù)據(jù)集成） 135
7.3.1 實體識別 135
7.3.2 冗余性識別 136
7.4 換個姿勢再來一次（數(shù)據(jù)變換） 137
7.4.1 離散化 137
7.4.2 屬性構造 139
7.5 少即是美（數(shù)據(jù)規(guī)約） 139
7.5.1 特征規(guī)約 140
7.5.2 樣本規(guī)約 141
第8章 面向產(chǎn)品經(jīng)理的統(tǒng)計分析
8.1 說有信息量的話（非時序數(shù)據(jù)的統(tǒng)計量） 144
8.1.1 集中趨勢 145
8.1.2 離散趨勢 146
8.1.3 數(shù)據(jù)分布 148
8.2 股票指數(shù)是什么（時序數(shù)據(jù)的統(tǒng)計量） 148
8.2.1 “三比” 149
8.2.2 股票指數(shù) 150
8.3 男女真的有別嗎（分類數(shù)據(jù)的統(tǒng)計量） 152
8.3.1 卡方是什么 152
8.3.2 卡方怎么算 153
8.4 相關性不是因果性（連續(xù)數(shù)據(jù)的統(tǒng)計量） 156
8.4.1 Pearson 156
8.4.2 Spearman 157
8.4.3 Kendall 158
8.5 數(shù)據(jù)不能承受之“熵” 159
8.5.1 物理中的“熵” 159
8.5.2 信息中的“熵” 160
第9章 面向產(chǎn)品經(jīng)理的數(shù)據(jù)挖掘
9.1 學數(shù)據(jù)挖掘，只需要高中數(shù)學 164
9.1.1 重溫“加減乘除” 164
9.1.2 重溫“比值” 165
9.1.3 重溫“函數(shù)” 165
9.1.4 重溫“符號” 165
9.2 線性回歸：人為什么沒有嚴重兩極分化 166
9.2.1 優(yōu)生學趣聞 166
9.2.2 空間中的直線 167
9.3 邏輯回歸：種群增長的S型曲線 169
9.3.1 種群的增長曲線 169
9.3.2 S型曲線的秘密 171
9.4 樸素貝葉斯：面相占卜工作原理 172
9.4.1 外貌協(xié)會與街頭看相 173
9.4.2 無處不在的貝葉斯 174
9.5 決策樹：愛情選擇背后的心理學意義 176
9.5.1 愛情選擇條件多 177
9.5.2 不糾結的小技巧 178
9.6 K-means：尋找物理學上的質心 181
9.6.1 向中心看齊 181
9.6.2 站錯隊的后果 183
9.7 層次聚類：分而治之與抱團取暖 184
9.7.1 分而治之 185
9.7.2 抱團取暖 185
9.8 DBScan：帝國崛起的定居、建國與擴張 186
9.8.1 密度打敗劃分 187
9.8.2 相似的帝國發(fā)展路徑 188
9.9 關聯(lián)規(guī)則挖掘：“啤酒和尿布”是個謊言 188
9.9.1 訛傳已久的商業(yè)故事 189
9.9.2 關聯(lián)規(guī)則的三重門 190
9.10 時間序列分析：聊聊《周易》 192
9.10.1 時間序列分析的玄妙 192
9.10.2 時間序列分析的正經(jīng) 194
9.11 集成學習：三個臭皮匠賽過諸葛亮 195
9.11.1 多拜師與拜大師 196
9.11.2 向大家與失敗學習 197
9.12 文本挖掘：讓機器讀懂你 199
9.13 社交網(wǎng)絡：隱私無處遁形 202
9.14 排序：簡約而不簡單的事 205
9.14.1 排序的規(guī)則方法 205
9.14.2 排序的操作機理 207
9.15 推薦系統(tǒng)：“今日頭條”背后的秘密 208
9.16 用戶畫像：隱私是個“偽命題” 213
9.17 算法思想中的哲學內涵 216
第10章 面向產(chǎn)品經(jīng)理的數(shù)據(jù)可視化
10.1 別人家的可視化：陽春白雪 222
10.2 工作中的可視化：下里巴人 227
10.3 用可視化“說謊” 230
10.3.1 數(shù)據(jù)的誤導 230
10.3.2 邏輯的謬誤 234
10.4 準備一份數(shù)據(jù)報告 238
第11章 向數(shù)據(jù)科學家再邁一步
11.1 能文：陪運營跟蹤產(chǎn)品看效果 244
11.1.1 傳統(tǒng)運營的基本功 245
11.1.2 數(shù)字化運營“三”話你知 248
11.2 能武：追研發(fā)把控進度出成果 251
11.2.1 數(shù)據(jù)采集 251
11.2.2 數(shù)據(jù)存儲 254
11.2.3 數(shù)據(jù)計算 256
11.2.4 數(shù)據(jù)分析 258
11.3 能聊：跟隨銷售面向市場找思路 258
第四部分 數(shù)據(jù)產(chǎn)品經(jīng)理的自我修養(yǎng)
第12章 學習力：借方法論加速
12.1 方法論知多少 266
12.1.1 概念闡述 266
12.1.2 分類總結 267
12.2 學習過程的“滿灌”與“脫敏” 269
12.2.1 理解提煉 269
12.2.2 我的方法論 271
第13章 表達力：用邏輯學幫襯
13.1 寫得一手好文案 274
13.1.1 為公務員考試正名 274
13.1.2 寫作實戰(zhàn)簡明教程 275
13.2 講故事給同事聽 278
第14章 領導力：以經(jīng)濟學詮釋
14.1 事情背后的選擇 285
14.1.1 選擇價值鏈上游：剪刀差效應 285
14.1.2 學會審時度勢：美林時鐘 286
14.1.3 謹慎選擇別人的經(jīng)驗：推繩子效應 286
14.1.4 平衡是一個難題：薩伊定律與凱恩斯法則 287
14.2 人員之間的協(xié)同 288
14.2.1 你閃開，讓我來：絕對優(yōu)勢與相對優(yōu)勢 288
14.2.2 無條件開放：零和博弈與合作共贏 289
14.2.3 教會團隊成員什么是沉沒成本 290
第15章 軟實力：靠心理學打造
15.1 向內求：耐心、謙遜、熱心 294
15.1.1 讓自己“延遲滿足” 294
15.1.2 對表揚免疫 295
15.1.3 不怕丟臉地分享 297
15.2 對外看：大局、妥協(xié)、有趣 297
15.2.1 看問題需要“上帝視角” 298
15.2.2 率真對內，圓滑對外 298
15.2.3 一切從簡，有趣有夢 299