消息 首页 搜索 举报
  • 【包邮】 产品经理数据修炼30问 【正版九新】
21年品牌 40万+商家 超1.5亿件商品

【包邮】 产品经理数据修炼30问 【正版九新】

九品消毒塑封

￥ 18.1 2.6折 ￥ 69 九五品

库存4件

天津宝坻
认证卖家担保交易快速发货售后保障

作者R.D.

出版社电子工业出版社

ISBN9787121352041

出版时间2019-01

装帧平装

开本其他

定价69元

货号9787121352041

上书时间2024-11-22

文渊文化传媒
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：九五品
商品描述
作者简介
R.D.(读音：阿滴)毕业于华中科技大学腾讯学院认证讲师曾任腾讯数据产品经理先后负责QQ、腾讯视频数据体系建设和数据运营工作

目录
目  录
第一单元  刚接手一款产品，如何快速了解它
第1问  重新定义产品，应从哪开始？3
1.1  寻找一个切入点3
1.2  宏观：领域与生态4
1.3  中观：产品全局4
1.4  微观：产品功能与用户5
1.5  归纳与重新定义7
第2问  怎样理解产品中那些酷炫的数据指标？10
2.1  指标背后的要素：时间粒度和口径10
2.2  值得思考的“终极问题”12
2.3  为数据指标分类15
第3问  产品中有那么多功能，怎样摸清它们的脉络？18
3.1  画一张属于自己的产品地图18
3.2  已登录or未登录21
3.3  好友or陌生人21
3.4  流量or Wi-Fi联网22
第4问  了解产品用户，应选择用户画像还是用户特征？23
4.1  用户画像vs用户特征23
4.2  关注不发声的大多数用户25
4.3  警惕无效的用户特征25
4.4  识别用户反馈带来的伪需求27

第5问  关于产品与数据，还有哪些值得注意的概念？29
5.1  这些用词的区别在哪里29
5.2  保持名称的一致性33
5.3  近似值和数值的位数33
第二单元  数据支撑体系是如何运作的？
第6问  人力：数据团队中有哪些幕后英雄？39
6.1  数据产品经理40
6.2  数据分析师40
6.3  数据项目经理41
6.4  开发工程师41
6.5  测试工程师41
6.6  运维工程师42
6.7  基础研究员42
第7问  物力：数据产品是怎么来的？44
7.1  是的，依然来自需求44
7.2  不一样的需求过程45
7.3  同样存在伪需求48
第8问  除了报表平台，数据产品还包括什么？51
8.1  先给数据产品分个层次51
8.2  数据采集层52
8.3  数据接入层53
8.4  数据处理层53
8.5  数据应用层54
第9问  数据上报前需要做哪些准备工作？56
9.1  准备一：允许上报什么样的数据56
9.2  准备二：定义数据协议和数据Topic58
9.3  准备三：统一文本编码59
第10问  埋点就是数据采集吗？61
10.1  标准动作三步走：埋点、采集、上报61
10.2  采集组件的两类功能：机制型功能和服务型功能63
10.3  对采集组件优化的思考64
第11问  数据上报到哪里去了？66
11.1  不得不谈的技术流程66
11.2  数据仓库vs数据库67
11.3  用可视化方式达成约定69
第12问  我们可以直接使用上报的数据吗？72
12.1  数据处理的基本操作：归并和计算72
12.2  任务调度平台，自动化处理引擎75
12.3  横表vs纵表79
12.4  事实表vs维度表80
第13问  数据处理好了，我可以享用哪些服务？82
13.1  数据门户的家族成员82
13.2  报表呈现的奥秘83
13.3  运筹帷幄的Dashboard85
13.4  火眼金睛的用户分析平台86
13.5  温暖人心的数据订阅89
13.6  万能的SQL，灵活的即席查询91
第14问  体验优良的数据产品有哪些表现？94
14.1  交互是体验的一部分94
14.2  别让我思考，值得强化的基础体验95
14.3  别让我孤单，多方位的支持服务99
14.4  别让我犯错，严格对待权限与安全102
第三单元  立足当下，如何轻松实践数据化运营？
第15问  怎样快速树立数据化运营思维？107
15.1  认清运营的焦点：用户107
15.2  理解用户数据的六步循环109
15.3  明确数据化运营与数据产品体系的关系110
第16问  数据啊，数据，我的产品怎样才能成功？112
16.1  感性地提出一个问题112
16.2  将问题分解为能够量化的指标112
16.3  理性地回答问题114
第17问  怎样制定合适的数据上报策略？116
17.1  大声说出你想了解的内容116
17.2  数据化各实体，寻找定义要素117
17.3  用语义表达法试验上报策略120
第18问  哪些用户数据值得收集？125
18.1  对用户行为的三步思考125
18.2  操作不仅仅是“单击”128
18.3  操作时长数据的上报130
18.4  用户属性的时效问题131
第19问  怎样为数据赋予运营的意义？132
19.1  从“使用iPhone手机的深圳市女性用户每日发消息情况”说起132
19.2  口径对数据事实的影响134
19.3  累积处理要赶早135
第20问  怎样对待未登录用户和小号用户？139
20.1  匿名访客，你的需求同样重要139
20.2  自然人识别，揭开用户ID背后的真相142
第21问  为什么要进行用户建模和用户分层？146
21.1  用户建模，基于已知探索未知146
21.2  用户分层，让群体特征更明显149
21.3  四象限法，实现双维度分组152
第22问  怎样精确控制A/B测试？
22.1  回顾一场典型的A/B测试154
22.2  用数据控制两组用户的差异变量155
22.3  虚拟A/B测试，只靠数据就能搞定158
第23问  数据是怎样推动产品灰度发布的？162
23.1  灰度发布，为产品引路的金丝雀162
23.2  对参与用户的筛选165
23.3  对参与用户的数据跟踪165
23.4  把质量数据作为能否进行下一轮发布的依据166
23.5  灰度发布的注意事项166

第24问  “随机播放”为什么让用户感觉不随机？168
24.1  请随机播放几首歌曲168
24.2  还没有注册，就让我登录？169
24.3  天啊，刚刚发生了什么？172
第四单元  智能时代，还有哪些数据必修课？
第25问  各式各样的图表分别适用于哪些场景？177
25.1  数据报告中常用的图表177
25.2  统计与分析的选择180
25.3  产品经理的最爱182
25.4  不宜滥用的图表184
25.5  图表高效表达的四大原则186
第26问  相比Excel，R语言更适合绘制图表吗？189
26.1  R语言不仅擅长绘图190
26.2  R语言更是统计分析能手194
第27问  Excel中有哪些一学就会的高级技巧？198
27.1 “单击即用”的隐藏功能198
27.2  一定要会的几个公式203
第28问  怎样通过SQL自由地查询数据？212
28.1  在Access中运行一段SQL代码212
28.2  聚合查询214
28.3  合并查询216
28.4  联结查询216
第29问  人工智能可以带给我们哪些启发？219
29.1  怎样理解人工智能219
29.2  机器学习与大数据221
29.3  人工智能产品思维223
第30问  有哪些现成的数据可在运营中参考？226
30.1  大数据指数226

内容摘要
数据产品经理不等于数据分析师、数据工程师，而是一个同时具备产品经理的素养又对大数据和人工智能的产品化有专业洞察的角色。他们拥有良好的产品感，善于洞察，勤于跨界思考。本书共30章（问），分4个单元介绍产品经理必懂的数据知识。本书从数据产品经理的定义出发，立足于实际工作中的场景，深入浅出地探讨产品经理如何站在行业视角统筹产品数据、数据产品，以及数据化运营的每个环节，并总结出有价值的方法论。

主编推荐
"来自腾讯产品经理的实战方法论，带你修炼大数据、人工智能(AI)思维，突破职业瓶颈，助你成长为全栈产品经理。
人人都是产品经理与起点学院创始人老曹、BAT产品总监、创业投资圈专家联袂力荐
"

精彩内容
"推荐序一
产品经理是一个宽泛且多维的概念，我们在互联网行业所说的产品经理往往是指那些为使产品顺利诞生和持续运作提出想法、协调资源并对结果负责的角色，因此，我们看到大量讲述如何进行需求分析、有效沟通、团队协作、项目管理、用户运营、数据分析等的书籍和资料。我们也看到，一个人似乎只要能写好需求文档，画出产品原型，提出几个现有产品中存在的交互问题，就可以被贴上“产品经理”的标签。实际上，在这种框架下讨论的仅仅是产品经理最基础的形态，甚至是任何互联网行业的从业者都应具备这些素养。
五六年前，“产品经理”的概念突然火起来，使得很多人对互联网产品经理职位趋之若鹜，这其中包括大量的应届生和非互联网行业从业者，加之当时正值移动互联网正热，也确实创造了吸收大量产品经理职位的环境，给许多本身对互联网行业并没太大兴趣的人带来了“互联网行业门槛低、薪资高”的幻象。然而，近些年互联网产品交互日趋成熟，产品经理需求量也日趋饱和。对于一些创业公司来说，想法、资金与资源比产品的交互和用户体验更重要，而产品的交互基本上可以接近照搬已有的模式。于是又给一些人带来了另一种幻象——专门的产品经理已无必要，产品经理职位前景堪忧。
由于云服务、大数据、人工智能等产品常年被当作支撑性产品对待，使许多公司和从业者认为这些东西只能由具备专业知识的技术人员主导。而互联网的产品一旦面向大众，势必要由技术驱动转为产品驱动，十年前的网页开发技术如此，五年前的移动应用技术如此，未来的大数据、人工智能技术同样会如此，且转换的速度会更快。产品驱动就必然要求有专门的产品经理，而产品经理真实的素养应当是：
?对垂直行业有深刻的理解，并清楚如何与互联网元素建立有效连接（而不仅是浏览行业资讯加体验尽可能多的竞品）；
?对产品架构的建设与把控，始终保持对产品的整体化认知，合理升级产品来应对市场、需求和场景的变化（而不是开会，写需求文档，画原型图）；
?对产品生态的构建和优化，有效整合用户体验、商业模式、市场行情等各维度资源（而不是单纯地把改进视觉与交互当作用户体验的优化）。
因此，产品经理一定要具备某个垂直领域的专业技能，且具备跨界的知识储备。
数据便成为这个语境下的代表素养之一，这意味着，产品经理不仅要具备互联网从业者的基本素质，还要对大数据和人工智能的产品化有专业的洞察能力。
可是，对于一个具有这方面潜力却缺乏经验的人来说，想要培养数据思维却缺乏系统性的指引。我在腾讯的这些年，有无数产品经理问我有哪些书籍可以用作数据相关的参考，而我当时给他们的只有那些通用书籍：讲产品经理的书、讲交互设计的书、讲数据分析的书，甚至讲数据库技术和编程的书。这些确实是他们都需要有所了解的，但这样的学习无疑既低效，又没有系统性，很可能他们努力了半天却在产品业务上得不到显著的成长。
如今，这样一本有系统性且沉淀着产品数据方法论和实践经验的书即将面世，我很高兴地将它推荐给你，以及下列人士。
?产品新人，引导他们的职业生涯。
?产品老人，供他们参考以少踩“坑”。
?所有互联网人，指导他们以数据驱动产品运营，并拓宽他们在大数据方面的视野。
?任何人，只要他们对未来的互联网怀有浓厚的兴趣。
刘凌（Lillian）
腾讯专家产品经理、QQ浏览器产品与运营总监

推荐序二

我不从事产品经理工作，也不在大家常说的互联网行业，但当我有幸阅读到本书的一些样章时，便爱不释手。书中谈到的对产品和数据的研究方法和思路，与企业运营管理的诸多方面是相通的：根据企业运营目的设定数据指标，之后这些数据在各个环节产生，我们通过各种手段将这些数据及时收集起来，使它们成为对我们有用的数据，再将这些收集到的数据通过一定的规范和逻辑进行处理，以较为直观的方式呈现出来，供管理者分析使用，以挖掘其中的意义并及时对经营活动做出调整。
在数据化管理的背景下，数据本身蕴含着巨大的价值，它使我们的生活和工作更加科学和便捷。书中详细讲解了数据支撑体系是如何运作的，这对于帮助读者构建系统的数据素养是大有裨益的。
除了大量的知识点，作者还将理论联系实际，不局限于产品和互联网领域，结合对大量案例的深入剖析，帮助读者快速理解和记忆。同时，为了避免分散本书的主题，作者巧妙地将每个案例做成了扫码阅读的方式，读者可以随时随地利用碎片化时间学习。
本书采用问答的形式更符合人们的学习和认知习惯，便于读者带着问题和思考有目的地学习。
此外，书中各章之间环环相扣但又相对独立，你可以把它当成一本工具书，在你遇到问题的时候去查阅，也可以从头到尾细细品味。
无论你在什么领域、什么岗位，只要你对数据研究有兴趣，都不妨读读此书，也希望你能同我一样，从书中得到启发。

王琪峰
视源股份（CVTE）高级副总裁

推荐序三
也许你遇到过这样的场景，当你向其他人提及“数据产品经理”或“数据驱动运营”这些概念时，对方可能会问“你是指数据分析师做的事情？”或者“这是不是产品运营需要关心的内容？”在当今大数据时代，你的团队中可能也确实存在数据分析师、数据挖掘工程师这样的专职角色。
实际上，数据相关的工作以移动互联网的发展为节点大致分为三个阶段。
?第一个阶段，在移动互联网爆发前（2011年之前），产品经理这个角色几乎不承担数据相关的事情（甚至产品经理这个概念才刚刚被引入互联网行业）。数据工作以支撑和辅助产品的功能开发和运营为主，那个时候，只需要安排产品助理兼做一下数据的埋点和收集，再由开发或运维工程师将数据做初步的汇总后提取出来，交由产品团队解读。
?第二个阶段，移动互联网爆发初期（2011年至2013年），随着智能手机开始普及，一时间涌现出各种各样的App产品，用户数据的维度越来越丰富，使数据规模发生了数量级的增长。数据的重要性逐渐显现，各企业开始建立专门负责数据挖掘和数据分析的顾问团队，这些团队的成员以数据挖掘工程师和数据分析师为主，探索数据决策的各种方向。这些顾问团队虽然很少参与产品的实际规划，但是会给出专业的分析报告和决策建议。
?第三个阶段，移动互联网高速发展期（2014年至今），移动互联网生态呈现阶段性稳定，各领域的头部产品占据了用户和数据的优势资源，国内互联网巨头整合数据资源跨行业布局大数据，使得数据、产品、用户紧密相连，用户已开始受益于大数据及基于大数据的人工智能技术。由于数据已不再是过去那种孤立的资源，亟须系统化、产品化运作，以数据产品经理、大数据工程师、人工智能工程师为代表的智能型数据团队的价值得到彰显和认可，他们参与到产品研发、运作和维护的各个环节，形成行业—产品—数据一体化的格局。
今天，产品经理对数据把控的必要性主要体现在以下四个方面。
?主导以数据驱动产品。在阶段性稳定期，无论是产品的技术、体验还是市场均已被探索实践并达到阶段性很好。由于数据通常来源于用户最真实的表现，越来越多的互联网企业及其产品团队将目光转向数据，开始了对数据驱动产品的探索。而产品经理便是数据驱动产品的主导人，产品经理与其他角色在产品探索上各司其职，又在产品目标上殊途同归，分工协作拓宽产品发展的路径。
?产品经理要更具有数据敏感度，并要具备逻辑严谨的表达能力。例如，在向公司决策团队汇报时，产品经理通常要事先通过数据分析得到一些初步的结论和假设，再以准确的表述汇报，而不是以“有一定比例的用户遇到了问题”这种含糊的方式来表达。
?打造和经营专业的数据产品。数据积累到一定程度能够发挥难以想象的作用，并以产品化、产业化的形态发展。这种态势推动产品建立专业的大数据体系。而数据产品在整个数据体系中起到了不可或缺的作用。产品经理能够结合对数据和用户产品的深刻理解，应用产品的理论和实践，打造并经营与用户产品无缝协作的数据产品，在保证数据兼容性的同时，大幅提升了数据的利用效率。
?充当产品团队与数据团队的纽带。假如产品团队与数据团队彼此独立，各行其是，无疑既不利于数据对产品的驱动，又无益于公司内部的有效协作。这就需要产品经理从产品团队的视角随时捕捉产品的数据需求，将其转化成可用数据描述的模型，便于数据团队的研究；也需要产品经理从数据团队的视角，找准契合点，将数据方案落实到产品上，发挥数据的价值。
对于国内外知名互联网企业而言，数据思维和数据技能是产品经理的必修课，这会使产品经理与数据分析师有一部分技能重合，但前者注重对数据方案和产品的整体把握，而后者注重对数据的挖掘、分析、提炼的专业探究。在互联网大大小小企业纷纷进行大数据战略布局的当下，数据也被以产品化的形态运作，这就对产品经理的数据素养有了更高的要求。如果你也有志于提升自己的数据思维能力和技能，那么请翻开本书，从提问出发，探索这个精彩的数据世界吧！

华中科技大学新闻与信息传播学院教授、院长

推荐语
数据是互联网的指路明灯，数据视角是每一个从事互联网创业的CEO和产品业务人员都需要具有的，比如如何看大数据应用，数据如何驱动业务，如何完成数据化运营。本书给出了一个很好的框架：从提问出发，找到关键的数据逻辑，合理部署资源，然后运用数据理性地回答，适合互联网从业者和对数据视角有兴趣的人士来阅读。
——翁翔坚（Neo）
英语流利说合伙人、首席产品官，阿里汽车＆天猫家装前产品总监

用户需求千变万化，千人千面，作为产品经理，单靠个人经验来做产品设计或运营就像盲人摸象一样。唯有数据才能让你真正了解用户，作为产品经理一定要有数据意识，要懂数据，会看数据，会分析数据。推荐阅读本书，做一个科学化的产品经理。
 ——曹成明（老曹）
起点学院、人人都是产品经理创始人兼CEO

在数据分析领域折腾多年，我越来越觉得“数据分析”不该是一种职位，而应该是一种人人推荐的能力。读到本书，更让我坚定了这个观点。产品思维+数据分析，这样的复合能力，实在诱人。本书完备的知识体系加上深入浅出的解读，相信能让不少朋友具备这样的能力。宽泛地说，这是一本人人可读的书；而对于互联网行业的朋友，本书理应在你的“悦”读书单之中。
——胡晨川
"

媒体评论
"推荐序一
产品经理是一个宽泛且多维的概念，我们在互联网行业所说的产品经理往往是指那些为使产品顺利诞生和持续运作提出想法、协调资源并对结果负责的角色，因此，我们看到大量讲述如何进行需求分析、有效沟通、团队协作、项目管理、用户运营、数据分析等的书籍和资料。我们也看到，一个人似乎只要能写好需求文档，画出产品原型，提出几个现有产品中存在的交互问题，就可以被贴上“产品经理”的标签。实际上，在这种框架下讨论的仅仅是产品经理最基础的形态，甚至是任何互联网行业的从业者都应具备这些素养。
五六年前，“产品经理”的概念突然火起来，使得很多人对互联网产品经理职位趋之若鹜，这其中包括大量的应届生和非互联网行业从业者，加之当时正值移动互联网正热，也确实创造了吸收大量产品经理职位的环境，给许多本身对互联网行业并没太大兴趣的人带来了“互联网行业门槛低、薪资高”的幻象。然而，近些年互联网产品交互日趋成熟，产品经理需求量也日趋饱和。对于一些创业公司来说，想法、资金与资源比产品的交互和用户体验更重要，而产品的交互基本上可以接近照搬已有的模式。于是又给一些人带来了另一种幻象——专门的产品经理已无必要，产品经理职位前景堪忧。
由于云服务、大数据、人工智能等产品常年被当作支撑性产品对待，使许多公司和从业者认为这些东西只能由具备专业知识的技术人员主导。而互联网的产品一旦面向大众，势必要由技术驱动转为产品驱动，十年前的网页开发技术如此，五年前的移动应用技术如此，未来的大数据、人工智能技术同样会如此，且转换的速度会更快。产品驱动就必然要求有专门的产品经理，而产品经理真实的素养应当是：
对垂直行业有深刻的理解，并清楚如何与互联网元素建立有效连接（而不仅是浏览行业资讯加体验尽可能多的竞品）；
对产品架构的建设与把控，始终保持对产品的整体化认知，合理升级产品来应对市场、需求和场景的变化（而不是开会，写需求文档，画原型图）；
对产品生态的构建和优化，有效整合用户体验、商业模式、市场行情等各维度资源（而不是单纯地把改进视觉与交互当作用户体验的优化）。
因此，产品经理一定要具备某个垂直领域的专业技能，且具备跨界的知识储备。
数据便成为这个语境下的代表素养之一，这意味着，产品经理不仅要具备互联网从业者的基本素质，还要对大数据和人工智能的产品化有专业的洞察能力。
可是，对于一个具有这方面潜力却缺乏经验的人来说，想要培养数据思维却缺乏系统性的指引。我在腾讯的这些年，有无数产品经理问我有哪些书籍可以用作数据相关的参考，而我当时给他们的只有那些通用书籍：讲产品经理的书、讲交互设计的书、讲数据分析的书，甚至讲数据库技术和编程的书。这些确实是他们都需要有所了解的，但这样的学习无疑既低效，又没有系统性，很可能他们努力了半天却在产品业务上得不到显著的成长。
如今，这样一本有系统性且沉淀着产品数据方法论和实践经验的书即将面世，我很高兴地将它推荐给你，以及下列人士。
产品新人，引导他们的职业生涯。
产品老人，供他们参考以少踩“坑”。
所有互联网人，指导他们以数据驱动产品运营，并拓宽他们在大数据方面的视野。
任何人，只要他们对未来的互联网怀有浓厚的兴趣。
刘凌（Lillian）
腾讯专家产品经理、QQ浏览器产品与运营总监

推荐序二
我不从事产品经理工作，也不在大家常说的互联网行业，但当我有幸阅读到本书的一些样章时，便爱不释手。书中谈到的对产品和数据的研究方法和思路，与企业运营管理的诸多方面是相通的：根据企业运营目的设定数据指标，之后这些数据在各个环节产生，我们通过各种手段将这些数据及时收集起来，使它们成为对我们有用的数据，再将这些收集到的数据通过一定的规范和逻辑进行处理，以较为直观的方式呈现出来，供管理者分析使用，以挖掘其中的意义并及时对经营活动做出调整。
在数据化管理的背景下，数据本身蕴含着巨大的价值，它使我们的生活和工作更加科学和便捷。书中详细讲解了数据支撑体系是如何运作的，这对于帮助读者构建系统的数据素养是大有裨益的。
除了大量的知识点，作者还将理论联系实际，不局限于产品和互联网领域，结合对大量案例的深入剖析，帮助读者快速理解和记忆。同时，为了避免分散本书的主题，作者巧妙地将每个案例做成了扫码阅读的方式，读者可以随时随地利用碎片化时间学习。
本书采用问答的形式更符合人们的学习和认知习惯

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP