數(shù)據(jù)增長(zhǎng)模型：數(shù)智時(shí)代的全棧產(chǎn)品運(yùn)營(yíng)思維、算法與技術(shù)

第 1章 抓住數(shù)據(jù)增長(zhǎng)波段
1．1 數(shù)據(jù)增長(zhǎng)發(fā)展階段014
1．2 數(shù)據(jù)增長(zhǎng)新窗口016
1．3 數(shù)據(jù)增長(zhǎng)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(zhǎng)指標(biāo)體系
2．1 什么是增長(zhǎng)型數(shù)據(jù)指標(biāo)體系025
2．2 如何搭建指標(biāo)體系027
2．3 評(píng)價(jià)指標(biāo)體系原則029
2．4 如何計(jì)算指標(biāo)030
2．5 案例：實(shí)操LTV用戶增長(zhǎng)生命周期
價(jià)值計(jì)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(diǎn)：埋點(diǎn)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(guān)系068
4．2 數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程070
4．3 新手入門如何系統(tǒng)地學(xué)習(xí)實(shí)操數(shù)據(jù) 挖掘074
4．4 案例：數(shù)據(jù)挖掘077
第5章 實(shí)操必懂的數(shù)據(jù)分析工具
5．1 數(shù)據(jù)分析實(shí)戰(zhàn)Excel080
5．1．1 常用的統(tǒng)計(jì)分析函數(shù)080
5．1．2 文本處理函數(shù)081
5．1．3 數(shù)值運(yùn)算函數(shù)081
5．1．4 邏輯判斷函數(shù)082
5．1．5 日期計(jì)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(shí)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(jì)分析087
5．2．3 相關(guān)系數(shù)與協(xié)方差088
5．2．4 線性回歸預(yù)測(cè)模型088
5．2．5 移動(dòng)平均預(yù)測(cè)模型089
5．3 Excel可視化數(shù)據(jù)089
5．3．1 Excel基礎(chǔ)圖表可視化090
5．3．2 Excel高級(jí)圖表可視化090
5．3．3 Excel合并報(bào)表091
5．4 實(shí)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(guān)聯(lián)095
5．5 學(xué)會(huì)綜合運(yùn)用Python097
5．5．1 Python定義097
5．5．2 規(guī)劃Python學(xué)習(xí)路徑097
5．5．3 用Python可以解決什么問題098
5．5．4 新手學(xué)Python要準(zhǔn)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(cè)試
6．1 打破傳統(tǒng)的A B測(cè)試觀念106
6．2 什么是A B測(cè)試106
6．3 系統(tǒng)地設(shè)計(jì)A B測(cè)試107
6．4 A B測(cè)試工具109
6．5 A B測(cè)試不一定是萬能的109
6．6 案例：A B測(cè)試完整產(chǎn)品112
第7章 數(shù)據(jù)模型驅(qū)動(dòng)增長(zhǎng)
7．1 懂模型就是懂高級(jí)數(shù)據(jù)分析方法115
7．1．1 數(shù)據(jù)智能化趨勢(shì)115
7．1．2 數(shù)據(jù)分析與高級(jí)分析流程117
7．2 ARIMA時(shí)間序列模型119
7．2．1 ARIMA時(shí)間序列模型定義119
7．2．2 ARIMA時(shí)間序列模型的運(yùn)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(jì)算海盜模型的思維方法和
案例128
7．4 AHP搭建風(fēng)控模型129
7．4．1 AHP模型的含義129
7．4．2 AHP層次分析法實(shí)例130
7．4．3 AHP層次分析法小結(jié)133
7．5 RFM客戶價(jià)值計(jì)算和分層運(yùn)營(yíng)模型134
7．5．1 RFM模型定義134
7．5．2 RFM模型計(jì)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(jià)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(jì)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(yīng)用145
第9章 推薦系統(tǒng)
9．1 實(shí)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(píng)價(jià)指標(biāo)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(diǎn)和缺點(diǎn)153
9．2 推薦系統(tǒng)應(yīng)用場(chǎng)景154
9．3 推薦系統(tǒng)未來必須關(guān)注的七大熱點(diǎn)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(cāng)庫(kù)
10．1 什么是數(shù)據(jù)倉(cāng)庫(kù)166
10．1．1 數(shù)據(jù)倉(cāng)庫(kù)的含義166
10．1．2 數(shù)據(jù)倉(cāng)庫(kù)的特點(diǎn)166
10．1．3 數(shù)據(jù)庫(kù)與數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系167
10．1．4 數(shù)據(jù)湖與數(shù)據(jù)倉(cāng)庫(kù)168
10．1．5 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)集市169
10．1．6 離線數(shù)據(jù)倉(cāng)庫(kù)與實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)170
10．2 從0到1構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)173
10．2．1 產(chǎn)品視角從0到1搭建數(shù)據(jù)倉(cāng)庫(kù)173
10．2．2 技術(shù)視角從0到1搭建數(shù)據(jù)倉(cāng)庫(kù)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(shì)194
10．3．4 Hadoop的發(fā)展趨勢(shì)195
10．4 案例：數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品的建設(shè)和應(yīng)用195
10．4．1 美團(tuán)點(diǎn)評(píng)用Flink做實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)建設(shè)195
10．4．2 數(shù)據(jù)倉(cāng)庫(kù)總結(jié)202
第 11章 數(shù)據(jù)平臺(tái)
11．1 數(shù)據(jù)平臺(tái)產(chǎn)品213
11．1．1 數(shù)據(jù)平臺(tái)的理解213
11．1．2 數(shù)據(jù)平臺(tái)的一般功能213
11．1．3 數(shù)據(jù)平臺(tái)的技術(shù)視角213
11．1．4 數(shù)據(jù)平臺(tái)的業(yè)務(wù)視角216
11．2 常用的成熟數(shù)據(jù)平臺(tái)219
11．3 數(shù)據(jù)平臺(tái)產(chǎn)品架構(gòu)221
11．4 搭建大數(shù)據(jù)平臺(tái)223
11．4．1 搭建大數(shù)據(jù)平臺(tái)的步驟223
11．4．2 搭建大數(shù)據(jù)平臺(tái)具體實(shí)現(xiàn)225
11．5 案例：數(shù)據(jù)平臺(tái)應(yīng)用241
11．5．1 阿里云OS數(shù)據(jù)平臺(tái)解決方案241
11．5．2 淘寶、美團(tuán)、滴滴的大數(shù)據(jù)平臺(tái)應(yīng)用243
11．5．3 美圖大數(shù)據(jù)平臺(tái)完整實(shí)踐案例247
第 12章 數(shù)據(jù)中臺(tái)的介紹與搭建
12．1 數(shù)據(jù)中臺(tái)的介紹257
12．1．1 什么是數(shù)據(jù)中臺(tái)257
12．1．2 數(shù)據(jù)中臺(tái)為什么受歡迎259
12．1．3 要不要做數(shù)據(jù)中臺(tái)269
12．2 中臺(tái)的分類271
12．2．1 業(yè)務(wù)中臺(tái)272
12．2．2 技術(shù)中臺(tái)272
12．2．3 數(shù)據(jù)中臺(tái)273
12．2．4 組織中臺(tái)275
12．3 搭建數(shù)據(jù)中臺(tái)——以教育中臺(tái)
產(chǎn)品為例278
12．3．1 產(chǎn)品設(shè)計(jì)視角278
12．3．2 技術(shù)視角279
12．3．3 搭建的中臺(tái)價(jià)值量化282
12．4 案例：阿里云數(shù)據(jù)中臺(tái)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(tái)規(guī)劃291
13．1．1 設(shè)計(jì)數(shù)據(jù)平臺(tái)291
13．1．2 數(shù)據(jù)產(chǎn)品場(chǎng)景292
13．1．3 大數(shù)據(jù)平臺(tái)建設(shè)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(jìng)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(shè)計(jì)思考306
13．6 數(shù)據(jù)產(chǎn)品設(shè)計(jì)指南308

第 14章 數(shù)據(jù)產(chǎn)品經(jīng)理如何
實(shí)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(zé)313
14．1．2 企業(yè)對(duì)數(shù)據(jù)產(chǎn)品經(jīng)理的要求313
14．2 數(shù)據(jù)產(chǎn)品團(tuán)隊(duì)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(gè)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(yùn)營(yíng)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(hù)
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(luò)安全和物理安全330
15．2．3 竊取技術(shù)防護(hù)、服務(wù)器安全、
數(shù)據(jù)庫(kù)安全和數(shù)據(jù)備份337
15．3 如何保護(hù)隱私346
15．3．1 關(guān)于數(shù)據(jù)隱私的9個(gè)觀點(diǎn)346
15．3．2 保護(hù)個(gè)人隱私15招348
15．3．3 企業(yè)的隱私保護(hù)349
15．3．4 數(shù)據(jù)產(chǎn)品經(jīng)理應(yīng)該了解的4種數(shù)據(jù)隱私保護(hù)技術(shù)350
第 16章 數(shù)智化重塑增長(zhǎng)
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(zhǎng)的破局之路364
16．3 找到數(shù)智化轉(zhuǎn)型的第 一個(gè)切入點(diǎn)367
16．4 案例：數(shù)智化破局增長(zhǎng)372
16．4．1 傳統(tǒng)企業(yè)數(shù)智化重塑增長(zhǎng)案例372
16．4．2 數(shù)智化解決方案案例——需求預(yù)測(cè)373
第 17章 不確定時(shí)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(shí)代互聯(lián)網(wǎng)產(chǎn)品的變化380
17．3 數(shù)據(jù)認(rèn)知促進(jìn)數(shù)據(jù)思維383
第 18章 “數(shù)據(jù)人”行動(dòng)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(shù)經(jīng)理+運(yùn)營(yíng)經(jīng)理+項(xiàng)目產(chǎn)品經(jīng)理389
附錄一 常用術(shù)語：75個(gè)專業(yè)術(shù)語
附錄二 數(shù)據(jù)產(chǎn)品經(jīng)理的3種圖