產(chǎn)品經(jīng)理數(shù)據(jù)修煉30問

目  錄
第一單元  剛接手一款產(chǎn)品，如何快速了解它
第1問  重新定義產(chǎn)品，應(yīng)從哪開始？ 3
1．1  尋找一個切入點 3
1．2  宏觀：領(lǐng)域與生態(tài) 4
1．3  中觀：產(chǎn)品全局 4
1．4  微觀：產(chǎn)品功能與用戶 5
1．5  歸納與重新定義 7
第2問  怎樣理解產(chǎn)品中那些酷炫的數(shù)據(jù)指標？ 10
2．1  指標背后的要素：時間粒度和口徑 10
2．2  值得思考的“終極問題” 12
2．3  為數(shù)據(jù)指標分類 15
第3問  產(chǎn)品中有那么多功能，怎樣摸清它們的脈絡(luò)？ 18
3．1  畫一張屬于自己的產(chǎn)品地圖 18
3．2  已登錄or未登錄 21
3．3  好友or陌生人 21
3．4  流量or Wi-Fi聯(lián)網(wǎng) 22
第4問  了解產(chǎn)品用戶，應(yīng)選擇用戶畫像還是用戶特征？ 23
4．1  用戶畫像vs用戶特征 23
4．2  關(guān)注不發(fā)聲的大多數(shù)用戶 25
4．3  警惕無效的用戶特征 25
4．4  識別用戶反饋帶來的偽需求 27
第5問  關(guān)于產(chǎn)品與數(shù)據(jù)，還有哪些值得注意的概念？ 29
5．1  這些用詞的區(qū)別在哪里 29
5．2  保持名稱的一致性 33
5．3  近似值和數(shù)值的位數(shù) 33
第二單元  數(shù)據(jù)支撐體系是如何運作的？
第6問  人力：數(shù)據(jù)團隊中有哪些幕后英雄？ 39
6．1  數(shù)據(jù)產(chǎn)品經(jīng)理 40

6．2  數(shù)據(jù)分析師 40
6．3  數(shù)據(jù)項目經(jīng)理 41
6．4  開發(fā)工程師 41
6．5  測試工程師 41
6．6  運維工程師 42
6．7  基礎(chǔ)研究員 42
第7問  物力：數(shù)據(jù)產(chǎn)品是怎么來的？ 44
7．1  是的，依然來自需求 44
7．2  不一樣的需求過程 45
7．3  同樣存在偽需求 48
第8問  除了報表平臺，數(shù)據(jù)產(chǎn)品還包括什么？ 51
8．1  先給數(shù)據(jù)產(chǎn)品分個層次 51
8．2  數(shù)據(jù)采集層 52
8．3  數(shù)據(jù)接入層 53
8．4  數(shù)據(jù)處理層 53
8．5  數(shù)據(jù)應(yīng)用層 54
第9問  數(shù)據(jù)上報前需要做哪些準備工作？ 56
9．1  準備一：允許上報什么樣的數(shù)據(jù) 56
9．2  準備二：定義數(shù)據(jù)協(xié)議和數(shù)據(jù)Topic 58
9．3  準備三：統(tǒng)一文本編碼 59
第10問  埋點就是數(shù)據(jù)采集嗎？ 61
10．1  標準動作三步走：埋點、采集、上報 61
10．2  采集組件的兩類功能：機制型功能和服務(wù)型功能 63
10．3  對采集組件優(yōu)化的思考 64
第11問  數(shù)據(jù)上報到哪里去了？ 66
11．1  不得不談的技術(shù)流程 66
11．2  數(shù)據(jù)倉庫vs數(shù)據(jù)庫 67
11．3  用可視化方式達成約定 69
第12問  我們可以直接使用上報的數(shù)據(jù)嗎？ 72
12．1  數(shù)據(jù)處理的基本操作：歸并和計算 72
12．2  任務(wù)調(diào)度平臺，自動化處理引擎 75
12．3  橫表vs縱表 79
12．4  事實表vs維度表 80
第13問  數(shù)據(jù)處理好了，我可以享用哪些服務(wù)？ 82
13．1  數(shù)據(jù)門戶的家族成員 82
13．2  報表呈現(xiàn)的奧秘 83
13．3  運籌帷幄的Dashboard 85
13．4  火眼金睛的用戶分析平臺 86
13．5  溫暖人心的數(shù)據(jù)訂閱 89
13．6  萬能的SQL，靈活的即席查詢 91
第14問  體驗優(yōu)良的數(shù)據(jù)產(chǎn)品有哪些表現(xiàn)？ 94
14．1  交互是體驗的一部分 94
14．2  別讓我思考，值得強化的基礎(chǔ)體驗 95
14．3  別讓我孤單，多方位的支持服務(wù) 99
14．4  別讓我犯錯，嚴格對待權(quán)限與安全 102
第三單元  立足當下，如何輕松實踐數(shù)據(jù)化運營？
第15問  怎樣快速樹立數(shù)據(jù)化運營思維？ 107
15．1  認清運營的焦點：用戶 107
15．2  理解用戶數(shù)據(jù)的六步循環(huán) 109
15．3  明確數(shù)據(jù)化運營與數(shù)據(jù)產(chǎn)品體系的關(guān)系 110
第16問  數(shù)據(jù)啊，數(shù)據(jù)，我的產(chǎn)品怎樣才能成功？ 112
16．1  感性地提出一個問題 112
16．2  將問題分解為能夠量化的指標 112
16．3  理性地回答問題 114
第17問  怎樣制定合適的數(shù)據(jù)上報策略？ 116
17．1  大聲說出你想了解的內(nèi)容 116
17．2  數(shù)據(jù)化各實體，尋找定義要素 117
17．3  用語義表達法試驗上報策略 120
第18問  哪些用戶數(shù)據(jù)值得收集？ 125
18．1  對用戶行為的三步思考 125
18．2  操作不僅僅是“單擊” 128
18．3  操作時長數(shù)據(jù)的上報 130
18．4  用戶屬性的時效問題 131
第19問  怎樣為數(shù)據(jù)賦予運營的意義？ 132
19．1  從“使用iPhone手機的深圳市女性用戶每日發(fā)消息情況”說起 132
19．2  口徑對數(shù)據(jù)事實的影響 134
19．3  累積處理要趕早 135
第20問  怎樣對待未登錄用戶和小號用戶？ 139
20．1  匿名訪客，你的需求同樣重要 139
20．2  自然人識別，揭開用戶ID背后的真相 142
第21問  為什么要進行用戶建模和用戶分層？ 146
21．1  用戶建模，基于已知探索未知 146
21．2  用戶分層，讓群體特征更明顯 149
21．3  四象限法，實現(xiàn)雙維度分組 152
第22問  怎樣精確控制A/B測試？
22．1  回顧一場典型的A/B測試 154
22．2  用數(shù)據(jù)控制兩組用戶的差異變量 155
22．3  虛擬A/B測試，只靠數(shù)據(jù)就能搞定 158
第23問  數(shù)據(jù)是怎樣推動產(chǎn)品灰度發(fā)布的？ 162
23．1  灰度發(fā)布，為產(chǎn)品引路的金絲雀 162
23．2  對參與用戶的篩選 165
23．3  對參與用戶的數(shù)據(jù)跟蹤 165
23．4  把質(zhì)量數(shù)據(jù)作為能否進行下一輪發(fā)布的依據(jù) 166
23．5  灰度發(fā)布的注意事項 166
第24問  “隨機播放”為什么讓用戶感覺不隨機？ 168
24．1  請隨機播放幾首歌曲 168
24．2  還沒有注冊，就讓我登錄？ 169
24．3  天啊，剛剛發(fā)生了什么？ 172
第四單元  智能時代，還有哪些數(shù)據(jù)必修課？
第25問  各式各樣的圖表分別適用于哪些場景？ 177
25．1  數(shù)據(jù)報告中常用的圖表 177
25．2  統(tǒng)計與分析的選擇 180
25．3  產(chǎn)品經(jīng)理的最愛 182
25．4  不宜濫用的圖表 184
25．5  圖表高效表達的四大原則 186
第26問  相比Excel，R語言更適合繪制圖表嗎？ 189
26．1  R語言不僅擅長繪圖 190
26．2  R語言更是統(tǒng)計分析能手 194
第27問  Excel中有哪些一學就會的高級技巧？ 198
27．1 “單擊即用”的隱藏功能 198
27．2  一定要會的幾個公式 203
第28問  怎樣通過SQL自由地查詢數(shù)據(jù)？ 212
28．1  在Access中運行一段SQL代碼 212
28．2  聚合查詢 214
28．3  合并查詢 216
28．4  聯(lián)結(jié)查詢 216
第29問  人工智能可以帶給我們哪些啟發(fā)？ 219
29．1  怎樣理解人工智能 219
29．2  機器學習與大數(shù)據(jù) 221
29．3  人工智能產(chǎn)品思維 223
第30問  有哪些現(xiàn)成的數(shù)據(jù)可在運營中參考？ 226
30．1  大數(shù)據(jù)指數(shù) 226

30.2 互聯(lián)網(wǎng)行業(yè)和產(chǎn)品資訊   229

30.3 政府機構(gòu)統(tǒng)計數(shù)據(jù)   232