數(shù)據(jù)增長模型：數(shù)智時代的全棧產(chǎn)品運營思維、算法與技術

第 1章 抓住數(shù)據(jù)增長波段
1．1 數(shù)據(jù)增長發(fā)展階段014
1．2 數(shù)據(jù)增長新窗口016
1．3 數(shù)據(jù)增長待解決的三大產(chǎn)品需求問題018
1．4 3步幫公司從0到1跟上數(shù)字化步伐020
第 2章 制定數(shù)據(jù)增長指標體系
2．1 什么是增長型數(shù)據(jù)指標體系025
2．2 如何搭建指標體系027
2．3 評價指標體系原則029
2．4 如何計算指標030
2．5 案例：實操LTV用戶增長生命周期
價值計算031
第3章 全面的數(shù)據(jù)分析流程
3．1 數(shù)據(jù)采集：源數(shù)據(jù)獲取方法036
3．1．1 數(shù)據(jù)埋點：埋點獲取數(shù)據(jù)036
3．1．2 案例：數(shù)據(jù)產(chǎn)品經(jīng)理如何撰寫PRD037
3．1．3 硬件獲取數(shù)據(jù)：硬件傳感器獲取數(shù)據(jù)044
3．1．4 爬蟲048
3．1．5 第三方渠道合作數(shù)據(jù)051
3．2 數(shù)據(jù)缺失處理方法053
3．3 數(shù)據(jù)可視化058
3．4 案例：數(shù)據(jù)分析全流程059
第4章 數(shù)據(jù)挖掘
4．1 數(shù)據(jù)分析與數(shù)據(jù)挖掘的關系068
4．2 數(shù)據(jù)挖掘的標準流程070
4．3 新手入門如何系統(tǒng)地學習實操數(shù)據(jù) 挖掘074
4．4 案例：數(shù)據(jù)挖掘077
第5章 實操必懂的數(shù)據(jù)分析工具
5．1 數(shù)據(jù)分析實戰(zhàn)Excel080
5．1．1 常用的統(tǒng)計分析函數(shù)080
5．1．2 文本處理函數(shù)081
5．1．3 數(shù)值運算函數(shù)081
5．1．4 邏輯判斷函數(shù)082
5．1．5 日期計算函數(shù)082
5．1．6 匹配查找函數(shù)083
5．1．7 多表合并函數(shù)084
5．2 Excel實操分析技巧084
5．2．1 Excel數(shù)據(jù)透視表084
5．2．2 描述性統(tǒng)計分析087
5．2．3 相關系數(shù)與協(xié)方差088
5．2．4 線性回歸預測模型088
5．2．5 移動平均預測模型089
5．3 Excel可視化數(shù)據(jù)089
5．3．1 Excel基礎圖表可視化090
5．3．2 Excel高級圖表可視化090
5．3．3 Excel合并報表091
5．4 實戰(zhàn)使用SQL091
5．4．1 SELECT查詢092
5．4．2 帶有約束的查詢093
5．4．3 過濾和排序查詢094
5．4．4 使用JOIN的多表查詢095
5．4．5 外部關聯(lián)095
5．5 學會綜合運用Python097
5．5．1 Python定義097
5．5．2 規(guī)劃Python學習路徑097
5．5．3 用Python可以解決什么問題098
5．5．4 新手學Python要準備什么098
5．6 安裝Anaconda098
5．7 案例：用Python分析新零售100
第6章 巧用A B測試
6．1 打破傳統(tǒng)的A B測試觀念106
6．2 什么是A B測試106
6．3 系統(tǒng)地設計A B測試107
6．4 A B測試工具109
6．5 A B測試不一定是萬能的109
6．6 案例：A B測試完整產(chǎn)品112
第7章 數(shù)據(jù)模型驅(qū)動增長
7．1 懂模型就是懂高級數(shù)據(jù)分析方法115
7．1．1 數(shù)據(jù)智能化趨勢115
7．1．2 數(shù)據(jù)分析與高級分析流程117
7．2 ARIMA時間序列模型119
7．2．1 ARIMA時間序列模型定義119
7．2．2 ARIMA時間序列模型的運用流程120
7．3 AARRR模型121
7．3．1 AARRR模型定義121
7．3．2 搭建和計算海盜模型的思維方法和
案例128
7．4 AHP搭建風控模型129
7．4．1 AHP模型的含義129
7．4．2 AHP層次分析法實例130
7．4．3 AHP層次分析法小結133
7．5 RFM客戶價值計算和分層運營模型134
7．5．1 RFM模型定義134
7．5．2 RFM模型計算方法流程案例135
7．5．3 RFM模型的意義137
7．6 LTV用戶生命價值周期模型138
7．6．1 LTV CLTV的含義138
7．6．2 LTV的作用138
7．6．3 LTV的計算方法案例138
7．7 其他常見的大小數(shù)據(jù)分析模型139
第8章 用戶畫像
8．1 用戶畫像142
8．1．1 用戶畫像定義142
8．1．2 用戶畫像的作用142
8．2 用戶畫像的方法143
8．3 案例：淘寶用戶畫像應用145
第9章 推薦系統(tǒng)
9．1 實戰(zhàn)推薦系統(tǒng)產(chǎn)品147
9．1．1 基于用戶的推薦系統(tǒng)147
9．1．2 推薦效果評價指標148
9．1．3 基于內(nèi)容的推薦系統(tǒng)148
9．1．4 基于內(nèi)容推薦系統(tǒng)的優(yōu)點和缺點153
9．2 推薦系統(tǒng)應用場景154
9．3 推薦系統(tǒng)未來必須關注的七大熱點154
9．4 案例：今日頭條和抖音短視頻
產(chǎn)品推薦系統(tǒng)161
第 10章 從0到1新建數(shù)據(jù)倉庫
10．1 什么是數(shù)據(jù)倉庫166
10．1．1 數(shù)據(jù)倉庫的含義166
10．1．2 數(shù)據(jù)倉庫的特點166
10．1．3 數(shù)據(jù)庫與數(shù)據(jù)倉庫的關系167
10．1．4 數(shù)據(jù)湖與數(shù)據(jù)倉庫168
10．1．5 數(shù)據(jù)倉庫與數(shù)據(jù)集市169
10．1．6 離線數(shù)據(jù)倉庫與實時數(shù)據(jù)倉庫170
10．2 從0到1構建數(shù)據(jù)倉庫173
10．2．1 產(chǎn)品視角從0到1搭建數(shù)據(jù)倉庫173
10．2．2 技術視角從0到1搭建數(shù)據(jù)倉庫176
10．3 Hadoop生態(tài)系統(tǒng)187
10．3．1 Hadoop發(fā)展歷程188
10．3．2 Hadoop生態(tài)193
10．3．3 Hadoop的優(yōu)勢194
10．3．4 Hadoop的發(fā)展趨勢195
10．4 案例：數(shù)據(jù)倉庫產(chǎn)品的建設和應用195
10．4．1 美團點評用Flink做實時數(shù)據(jù)倉庫建設195
10．4．2 數(shù)據(jù)倉庫總結202
第 11章 數(shù)據(jù)平臺
11．1 數(shù)據(jù)平臺產(chǎn)品213
11．1．1 數(shù)據(jù)平臺的理解213
11．1．2 數(shù)據(jù)平臺的一般功能213
11．1．3 數(shù)據(jù)平臺的技術視角213
11．1．4 數(shù)據(jù)平臺的業(yè)務視角216
11．2 常用的成熟數(shù)據(jù)平臺219
11．3 數(shù)據(jù)平臺產(chǎn)品架構221
11．4 搭建大數(shù)據(jù)平臺223
11．4．1 搭建大數(shù)據(jù)平臺的步驟223
11．4．2 搭建大數(shù)據(jù)平臺具體實現(xiàn)225
11．5 案例：數(shù)據(jù)平臺應用241
11．5．1 阿里云OS數(shù)據(jù)平臺解決方案241
11．5．2 淘寶、美團、滴滴的大數(shù)據(jù)平臺應用243
11．5．3 美圖大數(shù)據(jù)平臺完整實踐案例247
第 12章 數(shù)據(jù)中臺的介紹與搭建
12．1 數(shù)據(jù)中臺的介紹257
12．1．1 什么是數(shù)據(jù)中臺257
12．1．2 數(shù)據(jù)中臺為什么受歡迎259
12．1．3 要不要做數(shù)據(jù)中臺269
12．2 中臺的分類271
12．2．1 業(yè)務中臺272
12．2．2 技術中臺272
12．2．3 數(shù)據(jù)中臺273
12．2．4 組織中臺275
12．3 搭建數(shù)據(jù)中臺——以教育中臺
產(chǎn)品為例278
12．3．1 產(chǎn)品設計視角278
12．3．2 技術視角279
12．3．3 搭建的中臺價值量化282
12．4 案例：阿里云數(shù)據(jù)中臺解決方案283
第 13章 數(shù)據(jù)產(chǎn)品規(guī)劃
13．1 數(shù)據(jù)平臺規(guī)劃291
13．1．1 設計數(shù)據(jù)平臺291
13．1．2 數(shù)據(jù)產(chǎn)品場景292
13．1．3 大數(shù)據(jù)平臺建設295
13．2 數(shù)據(jù)產(chǎn)品的用戶調(diào)研297
13．3 數(shù)據(jù)產(chǎn)品的競品研究299
13．4 數(shù)據(jù)產(chǎn)品的需求挖掘304
13．5 數(shù)據(jù)產(chǎn)品功能設計思考306
13．6 數(shù)據(jù)產(chǎn)品設計指南308

第 14章 數(shù)據(jù)產(chǎn)品經(jīng)理如何
實現(xiàn)數(shù)據(jù)產(chǎn)品
14．1 數(shù)據(jù)產(chǎn)品經(jīng)理工作內(nèi)容313
14．1．1 數(shù)據(jù)產(chǎn)品經(jīng)理工作職責313
14．1．2 企業(yè)對數(shù)據(jù)產(chǎn)品經(jīng)理的要求313
14．2 數(shù)據(jù)產(chǎn)品團隊職能313
14．3 做出數(shù)據(jù)產(chǎn)品和賣出數(shù)據(jù)產(chǎn)品315
14．3．1 數(shù)據(jù)產(chǎn)品的4個層次316
14．3．2 數(shù)據(jù)產(chǎn)品的商業(yè)化316
14．4 數(shù)據(jù)產(chǎn)品運營318
14．4．1 數(shù)據(jù)從哪來318
14．4．2 數(shù)據(jù)判斷319
第 15章 數(shù)據(jù)安全和隱私保護
15．1 數(shù)據(jù)安全321
15．1．1 什么是數(shù)據(jù)安全321
15．1．2 數(shù)據(jù)不安全帶來的危害324
15．2 數(shù)據(jù)安全方案325
15．2．1 數(shù)據(jù)安全的定位、框架及
制度安全325
15．2．2 網(wǎng)絡安全和物理安全330
15．2．3 竊取技術防護、服務器安全、
數(shù)據(jù)庫安全和數(shù)據(jù)備份337
15．3 如何保護隱私346
15．3．1 關于數(shù)據(jù)隱私的9個觀點346
15．3．2 保護個人隱私15招348
15．3．3 企業(yè)的隱私保護349
15．3．4 數(shù)據(jù)產(chǎn)品經(jīng)理應該了解的4種數(shù)據(jù)隱私保護技術350
第 16章 數(shù)智化重塑增長
16．1 數(shù)智化359
16．1．1 踏上數(shù)智化之路359
16．1．2 從數(shù)字化走向數(shù)智化360
16．2 數(shù)智化重塑未來增長的破局之路364
16．3 找到數(shù)智化轉型的第 一個切入點367
16．4 案例：數(shù)智化破局增長372
16．4．1 傳統(tǒng)企業(yè)數(shù)智化重塑增長案例372
16．4．2 數(shù)智化解決方案案例——需求預測373
第 17章 不確定時代的數(shù)據(jù)產(chǎn)品經(jīng)理思維方法
17．1 物聯(lián)網(wǎng)的數(shù)智化未來378
17．2 以快手為例看5G時代互聯(lián)網(wǎng)產(chǎn)品的變化380
17．3 數(shù)據(jù)認知促進數(shù)據(jù)思維383
第 18章 “數(shù)據(jù)人”行動路徑
18．1 盡快從傳統(tǒng)產(chǎn)品經(jīng)理躍遷到數(shù)據(jù)產(chǎn)品經(jīng)理387
18．2 數(shù)據(jù)產(chǎn)品躍遷三部曲387
18．3 數(shù)據(jù)產(chǎn)品經(jīng)理=數(shù)據(jù)技術經(jīng)理+運營經(jīng)理+項目產(chǎn)品經(jīng)理389
附錄一 常用術語：75個專業(yè)術語
附錄二 數(shù)據(jù)產(chǎn)品經(jīng)理的3種圖