123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)共13 章，匯集了7 位作者（來(lái)自多個(gè)大型互聯(lián)網(wǎng)企業(yè)）的知識(shí)總結(jié)和經(jīng)驗(yàn)分享。本書(shū)借助老湯姆、小風(fēng)、阿北、小諾在某電商企業(yè)數(shù)據(jù)部門(mén)工作的故事，通過(guò)大量案例深入淺出地介紹了數(shù)據(jù)中臺(tái)建設(shè)與應(yīng)用之路。本書(shū)以Why-What-How 的思路展開(kāi)，從0 到1 介紹知識(shí)點(diǎn)，并重點(diǎn)講述How 的過(guò)程，同時(shí)結(jié)合某個(gè)場(chǎng)景下的具體案例，以使讀者更好地理解實(shí)操過(guò)程。每個(gè)企業(yè)都會(huì)面臨各種各樣的數(shù)據(jù)問(wèn)題，有數(shù)據(jù)質(zhì)量的問(wèn)題、數(shù)據(jù)獲取效率的問(wèn)題、數(shù)據(jù)應(yīng)用價(jià)值的問(wèn)題等。本書(shū)首先介紹數(shù)據(jù)中臺(tái)的建設(shè)，確保數(shù)據(jù)的質(zhì)量，為企業(yè)的數(shù)據(jù)質(zhì)量體系建設(shè)提供堅(jiān)實(shí)的基礎(chǔ)；然后，進(jìn)行深入業(yè)務(wù)的分析探索，介紹如何從數(shù)據(jù)分析角度更好地賦能業(yè)務(wù)發(fā)展；最后，介紹數(shù)據(jù)應(yīng)用，解決數(shù)據(jù)獲取效率的問(wèn)題，并把一些分析思路和業(yè)務(wù)策略沉淀為數(shù)據(jù)產(chǎn)品，從而更好地將數(shù)據(jù)應(yīng)用于業(yè)務(wù)。本書(shū)結(jié)合多個(gè)大型互聯(lián)網(wǎng)企業(yè)的實(shí)際項(xiàng)目案例，讓讀者真正掌握數(shù)據(jù)產(chǎn)品經(jīng)理這個(gè)新興職業(yè)的必備技能和核心能力。本書(shū)主要面向數(shù)據(jù)產(chǎn)品經(jīng)理，數(shù)據(jù)分析師、數(shù)據(jù)運(yùn)營(yíng)人員等數(shù)據(jù)行業(yè)從業(yè)者也可以在本書(shū)中找到一些思路和方法，如了解數(shù)據(jù)的應(yīng)用、掌握分析方法等。本書(shū)也可以為想轉(zhuǎn)行做數(shù)據(jù)產(chǎn)品經(jīng)理的讀者提供幫助。

作者簡(jiǎn)介

　　林澤豐，筆名小風(fēng)，某國(guó)有企業(yè)的數(shù)據(jù)中臺(tái)產(chǎn)品負(fù)責(zé)人。UBDC全域大數(shù)據(jù)峰會(huì)“燈塔人物”，“友盟杯”數(shù)據(jù)大賽三等獎(jiǎng)獲得者，公眾號(hào)“一個(gè)數(shù)據(jù)人的自留地”的課程講師。在電商、社交、交通、直播等領(lǐng)域擔(dān)任過(guò)產(chǎn)品、運(yùn)營(yíng)、數(shù)據(jù)等部門(mén)的負(fù)責(zé)人，有7年多的互聯(lián)網(wǎng)從業(yè)經(jīng)驗(yàn)?？珙I(lǐng)域、跨部門(mén)實(shí)戰(zhàn)經(jīng)驗(yàn)豐富，曾從0到1搭建過(guò)企業(yè)數(shù)據(jù)中臺(tái)、大數(shù)據(jù)平臺(tái)、智能營(yíng)銷(xiāo)平臺(tái)，擅長(zhǎng)埋點(diǎn)模型設(shè)計(jì)、指標(biāo)質(zhì)量治理、數(shù)倉(cāng)架構(gòu)、數(shù)據(jù)運(yùn)營(yíng)等。許秋貴，筆名阿北，貝殼找房的高級(jí)數(shù)據(jù)分析師，畢業(yè)于東北農(nóng)業(yè)大學(xué)。在校期間主導(dǎo)開(kāi)發(fā)了校園拼車(chē)等應(yīng)用，幫助大學(xué)生拼車(chē)省錢(qián)出行。曾就職于百度、滴滴等互聯(lián)網(wǎng)“大廠(chǎng)”，有多年數(shù)據(jù)分析經(jīng)驗(yàn)。陳斌，筆名小諾，某互聯(lián)網(wǎng)“大廠(chǎng)”的策略產(chǎn)品經(jīng)理，畢業(yè)于大連東軟信息學(xué)院。人人都是產(chǎn)品經(jīng)理網(wǎng)站的“20年度熱文作者”，公眾號(hào)“一個(gè)數(shù)據(jù)人的自留地”的聯(lián)合創(chuàng)辦人。先后就職于百度、小米，在搜索引擎、資訊、電商等領(lǐng)域從事過(guò)搜索、推薦、BI、畫(huà)像、反作弊、消息觸達(dá)等產(chǎn)品工作，涉獵范圍較廣，經(jīng)驗(yàn)豐富。陳麗媛，筆名草帽小子，自如畫(huà)像數(shù)據(jù)產(chǎn)品經(jīng)理，擁有兩項(xiàng)發(fā)明專(zhuān)利。人人都是產(chǎn)品經(jīng)理網(wǎng)站的專(zhuān)欄作家，公眾號(hào)“一個(gè)數(shù)據(jù)人的自留地”聯(lián)合創(chuàng)辦人。在用戶(hù)畫(huà)像、數(shù)據(jù)埋點(diǎn)、指標(biāo)體系、BI等方面具有豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)，所著系列文章深受廣大讀者喜愛(ài)。梁旭鵬，筆名大鵬，某互聯(lián)網(wǎng)“大廠(chǎng)”的數(shù)據(jù)產(chǎn)品負(fù)責(zé)人，畢業(yè)于北京郵電大學(xué)的碩士研究生。人人都是產(chǎn)品經(jīng)理網(wǎng)站的專(zhuān)欄作家，《數(shù)據(jù)產(chǎn)品經(jīng)理修煉手冊(cè)：從零基礎(chǔ)到大數(shù)據(jù)產(chǎn)品實(shí)踐》的作者，公眾號(hào)“一個(gè)數(shù)據(jù)人的自留地”的創(chuàng)辦人。在電商、內(nèi)容、出行、金融等領(lǐng)域有近10年的大數(shù)據(jù)從業(yè)經(jīng)驗(yàn)。黃為偉，筆名偉仔，資深數(shù)據(jù)產(chǎn)品經(jīng)理，金融學(xué)碩士，理學(xué)學(xué)士，公眾號(hào)“一個(gè)數(shù)據(jù)人的自留地”的聯(lián)合創(chuàng)辦人。先后就職于清科集團(tuán)、交通銀行、小米、字節(jié)跳動(dòng)，在私募、銀行、信貸、財(cái)務(wù)領(lǐng)域從事過(guò)數(shù)據(jù)分析和數(shù)據(jù)產(chǎn)品的相關(guān)工作，經(jīng)驗(yàn)豐富。陳勃，筆名薄荷點(diǎn)點(diǎn)，某互聯(lián)網(wǎng)“大廠(chǎng)”的高級(jí)數(shù)據(jù)產(chǎn)品經(jīng)理，公眾號(hào)“一個(gè)數(shù)據(jù)人的自留地”的作者。先后就職于dangdang網(wǎng)、北京中交興路信息科技有限公司、JD物流集團(tuán)，曾負(fù)責(zé)貨運(yùn)大數(shù)據(jù)平臺(tái)、無(wú)人倉(cāng)倉(cāng)儲(chǔ)大腦等數(shù)據(jù)產(chǎn)品，北京市科協(xié)金橋工程種子資金項(xiàng)目負(fù)責(zé)人。

圖書(shū)目錄

第1 章那些困擾我們的數(shù)據(jù)問(wèn)題
數(shù)據(jù)中臺(tái)篇
第2 章元數(shù)據(jù)中心
2.1 元數(shù)據(jù)中心概述
2.2 元數(shù)據(jù)中心的核心功能
2.2.1 數(shù)據(jù)整合
2.2.2 數(shù)據(jù)管理
2.2.3 數(shù)據(jù)地圖
第3 章數(shù)據(jù)指標(biāo)中心
3.1 數(shù)據(jù)指標(biāo)中心概述
3.2 數(shù)據(jù)指標(biāo)中心的設(shè)計(jì)思路
3.2.1 定義指標(biāo)并將其歸集到對(duì)應(yīng)的主題域
3.2.2 拆分原子指標(biāo)與派生指標(biāo)
3.2.3 定義原子指標(biāo)與派生指標(biāo)的生產(chǎn)邏輯
3.2.4 通過(guò)指標(biāo)管理平臺(tái)對(duì)指標(biāo)進(jìn)行規(guī)范生產(chǎn)
第4 章數(shù)倉(cāng)模型中心
4.1 數(shù)倉(cāng)模型中心概述
4.2 數(shù)倉(cāng)模型中心的設(shè)計(jì)思路
4.2.1 控制數(shù)據(jù)源
4.2.2 劃分主題域
4.2.3 構(gòu)建一致性維度
4.2.4 構(gòu)建總線(xiàn)矩陣
4.2.5 數(shù)倉(cāng)分層建設(shè)
4.2.6 數(shù)倉(cāng)效果評(píng)估
第5 章數(shù)據(jù)資產(chǎn)中心
5.1 數(shù)據(jù)資產(chǎn)中心概述
5.2 數(shù)據(jù)資產(chǎn)中心的治理流程
5.2.1 數(shù)據(jù)資產(chǎn)定級(jí)
5.2.2 數(shù)據(jù)資產(chǎn)質(zhì)量治理
5.2.3 數(shù)據(jù)資產(chǎn)成本治理
第6 章數(shù)據(jù)服務(wù)中心
6.1 數(shù)據(jù)服務(wù)中心概述
6.2 數(shù)據(jù)服務(wù)中心的設(shè)計(jì)思路
6.2.1 將數(shù)據(jù)寫(xiě)入查詢(xún)庫(kù)
6.2.2 搭建元數(shù)據(jù)模型
6.2.3 按主題歸類(lèi)
6.2.4 緩存優(yōu)化
6.2.5 數(shù)據(jù)接口化
6.2.6 構(gòu)建API 集市
6.2.7 統(tǒng)一數(shù)據(jù)服務(wù)
數(shù)據(jù)分析篇
第7 章數(shù)據(jù)分析理論
7.1 業(yè)務(wù)和數(shù)據(jù)
7.2 數(shù)據(jù)分析師的全貌
7.3 數(shù)據(jù)分析團(tuán)隊(duì)的組織架構(gòu)及其對(duì)應(yīng)的工作模式
7.4 數(shù)據(jù)分析師的工作方式
7.4.1 工作象限圖
7.4.2 1+N 的工作內(nèi)容
7.4.3 與業(yè)務(wù)方的合作模式
7.4.4 有關(guān)工作方式常見(jiàn)問(wèn)題的解法思考
第8 章數(shù)據(jù)分析實(shí)操
8.1 預(yù)測(cè)性分析
8.1.1 預(yù)測(cè)性分析的目的
8.1.2 分析思路與方法
8.1.3 預(yù)測(cè)性分析案例
8.2 描述性分析
8.3 診斷性分析
8.4 數(shù)據(jù)分析報(bào)告
數(shù)據(jù)應(yīng)用篇
第9 章 BI 系統(tǒng)
9.1 讓人頭疼的看板需求
9.2 BI 系統(tǒng)介紹
9.3 BI 系統(tǒng)的關(guān)鍵技術(shù)
9.4 BI 系統(tǒng)實(shí)踐
9.4.1 數(shù)據(jù)接入
9.4.2 數(shù)據(jù)集加工
9.4.3 數(shù)據(jù)集權(quán)限控制
9.4.4 可視化報(bào)表配置
9.4.5 可視化結(jié)果展示
9.4.6 數(shù)據(jù)分析OLAP
9.4.7 如何衡量BI 系統(tǒng)是否成功
第10 章用戶(hù)畫(huà)像
10.1 用戶(hù)畫(huà)像的全貌
10.2 用戶(hù)畫(huà)像的需求
10.3 用戶(hù)畫(huà)像的規(guī)劃
10.3.1 用戶(hù)畫(huà)像的業(yè)務(wù)架構(gòu)
10.3.2 用戶(hù)畫(huà)像的產(chǎn)品架構(gòu)
10.3.3 用戶(hù)畫(huà)像的版本計(jì)劃
10.3.4 用戶(hù)畫(huà)像的項(xiàng)目執(zhí)行計(jì)劃
10.4 用戶(hù)ID 體系
10.5 標(biāo)簽體系
10.6 用戶(hù)畫(huà)像系統(tǒng)
10.7 用戶(hù)畫(huà)像的應(yīng)用
第11 章電商反作弊體系
11.1 電商黑產(chǎn)的現(xiàn)狀
11.2 電商黑產(chǎn)的防控方案
11.2.1 活動(dòng)的損失評(píng)估
11.2.2 反電商黑產(chǎn)作弊案例
第12 章資訊個(gè)性化推薦
12.1 資訊的內(nèi)容處理
12.1.1 資訊的內(nèi)容來(lái)源
12.1.2 資訊的分類(lèi)體系
12.1.3 常見(jiàn)的分類(lèi)問(wèn)題及內(nèi)容分類(lèi)原則
12.1.4 分類(lèi)體系的構(gòu)建
12.1.5 內(nèi)容的標(biāo)注與機(jī)器學(xué)習(xí)
12.2 資訊用戶(hù)的畫(huà)像和特征
12.2.1 資訊用戶(hù)的畫(huà)像
12.2.2 資訊用戶(hù)的特征
12.3 資訊的推薦算法
12.3.1 資訊的信息抽取
12.3.2 資訊的分詞方法
12.3.3 資訊的過(guò)濾排重
12.3.4 資訊的召回模型
12.3.5 資訊的算法排序
12.4 資訊的重排策略及案例
12.4.1 常見(jiàn)的重排策略及策略的目標(biāo)
12.4.2 資訊的重排策略案例
第13 章電商個(gè)性化推送
13.1 push 的衡量
13.1.1 push 的目標(biāo)與本質(zhì)
13.1.2 push 的衡量指標(biāo)
13.2 push 的優(yōu)化方向
13.3 push 的推薦案例
13.3.1 新用戶(hù)推薦方案
13.3.2 推薦的效果評(píng)測(cè)