數據增長模型：數智時代的全棧產品運營思維、算法與技術

定　價：￥89.90

作　者：	連詩路著
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787115570604	出版時間：	2022-01-01	包裝：	平裝
開本：	16開	頁數：	400	字數：

內容簡介

　　本書以在數字化背景下，數據產品從業(yè)者的數據技術、數據技能、數據思維、數據方法、數據模型、產品用戶客戶增長實戰(zhàn)經驗為基調，體系化撰寫了數字化和數據產品的數據經驗知識和案例。隨書附贈豐富的原始數據和源代碼，方便讀者對數據分析案例進行實操練習。本書內容全面，結構完整。首先，講解了數據指標體系搭建和數據埋點案例；然后按照細節(jié)講解數據分析流程、數據采集方法、數據挖掘整體方法；緊接著通過實操案例講解了的數據產品工具，如EXCEL、Python、SQL、Anaconda、AB測試等工具，驅動數據增長的實戰(zhàn)模型，如ARIMA、AHP、LTV、AARRR等，以及數據倉庫和大數據平臺的搭建方法；最后講解了數據中臺和數據安全、數據智能應用場景、用戶增長實戰(zhàn)案例。本書適合數字化市場下的數據產品從業(yè)者閱讀，主要讀者人群包含數據產品經理、數據運營人員、數據產品技術人員、數據領域創(chuàng)業(yè)者和相關專業(yè)的學生。

作者簡介

　　連詩路，阿里早期創(chuàng)業(yè)產品團隊成員，愛奇藝奇秀視頻直播高管，藝龍旅行網高管，上海路奇公司CEO。做過項目包括：阿里巴巴人工智能大腦、愛奇藝人工智能推薦、數字新零售美邦OMO（線上融合線下）產品從0到1；柔宇集團智能硬件，小米AIoT項目咨詢顧問。人人都是產品經理專欄作家，LineLian 專欄閱讀數過100萬。

圖書目錄

第 1章抓住數據增長波段
1．1 數據增長發(fā)展階段014
1．2 數據增長新窗口016
1．3 數據增長待解決的三大產品需求問題018
1．4 3步幫公司從0到1跟上數字化步伐020
第 2章制定數據增長指標體系
2．1 什么是增長型數據指標體系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章全面的數據分析流程
3．1 數據采集：源數據獲取方法036
3．1．1 數據埋點：埋點獲取數據036
3．1．2 案例：數據產品經理如何撰寫PRD037
3．1．3 硬件獲取數據：硬件傳感器獲取數據044
3．1．4 爬蟲048
3．1．5 第三方渠道合作數據051
3．2 數據缺失處理方法053
3．3 數據可視化058
3．4 案例：數據分析全流程059
第4章數據挖掘
4．1 數據分析與數據挖掘的關系068
4．2 數據挖掘的標準流程070
4．3 新手入門如何系統(tǒng)地學習實操數據挖掘074
4．4 案例：數據挖掘077
第5章實操必懂的數據分析工具
5．1 數據分析實戰(zhàn)Excel080
5．1．1 常用的統(tǒng)計分析函數080
5．1．2 文本處理函數081
5．1．3 數值運算函數081
5．1．4 邏輯判斷函數082
5．1．5 日期計算函數082
5．1．6 匹配查找函數083
5．1．7 多表合并函數084
5．2 Excel實操分析技巧084
5．2．1 Excel數據透視表084
5．2．2 描述性統(tǒng)計分析087
5．2．3 相關系數與協(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可視化數據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測試完整產品112
第7章數據模型驅動增長
7．1 懂模型就是懂高級數據分析方法115
7．1．1 數據智能化趨勢115
7．1．2 數據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 其他常見的大小數據分析模型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 基于內容的推薦系統(tǒng)148
9．1．4 基于內容推薦系統(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
產品推薦系統(tǒng)161
第 10章從0到1新建數據倉庫
10．1 什么是數據倉庫166
10．1．1 數據倉庫的含義166
10．1．2 數據倉庫的特點166
10．1．3 數據庫與數據倉庫的關系167
10．1．4 數據湖與數據倉庫168
10．1．5 數據倉庫與數據集市169
10．1．6 離線數據倉庫與實時數據倉庫170
10．2 從0到1構建數據倉庫173
10．2．1 產品視角從0到1搭建數據倉庫173
10．2．2 技術視角從0到1搭建數據倉庫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：數據倉庫產品的建設和應用195
10．4．1 美團點評用Flink做實時數據倉庫建設195
10．4．2 數據倉庫總結202
第 11章數據平臺
11．1 數據平臺產品213
11．1．1 數據平臺的理解213
11．1．2 數據平臺的一般功能213
11．1．3 數據平臺的技術視角213
11．1．4 數據平臺的業(yè)務視角216
11．2 常用的成熟數據平臺219
11．3 數據平臺產品架構221
11．4 搭建大數據平臺223
11．4．1 搭建大數據平臺的步驟223
11．4．2 搭建大數據平臺具體實現225
11．5 案例：數據平臺應用241
11．5．1 阿里云OS數據平臺解決方案241
11．5．2 淘寶、美團、滴滴的大數據平臺應用243
11．5．3 美圖大數據平臺完整實踐案例247
第 12章數據中臺的介紹與搭建
12．1 數據中臺的介紹257
12．1．1 什么是數據中臺257
12．1．2 數據中臺為什么受歡迎259
12．1．3 要不要做數據中臺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 數據中臺273
12．2．4 組織中臺275
12．3 搭建數據中臺——以教育中臺
產品為例278
12．3．1 產品設計視角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：阿里云數據中臺解決方案283
第 13章數據產品規(guī)劃
13．1 數據平臺規(guī)劃291
13．1．1 設計數據平臺291
13．1．2 數據產品場景292
13．1．3 大數據平臺建設295
13．2 數據產品的用戶調研297
13．3 數據產品的競品研究299
13．4 數據產品的需求挖掘304
13．5 數據產品功能設計思考306
13．6 數據產品設計指南308

第 14章數據產品經理如何
實現數據產品
14．1 數據產品經理工作內容313
14．1．1 數據產品經理工作職責313
14．1．2 企業(yè)對數據產品經理的要求313
14．2 數據產品團隊職能313
14．3 做出數據產品和賣出數據產品315
14．3．1 數據產品的4個層次316
14．3．2 數據產品的商業(yè)化316
14．4 數據產品運營318
14．4．1 數據從哪來318
14．4．2 數據判斷319
第 15章數據安全和隱私保護
15．1 數據安全321
15．1．1 什么是數據安全321
15．1．2 數據不安全帶來的危害324
15．2 數據安全方案325
15．2．1 數據安全的定位、框架及
制度安全325
15．2．2 網絡安全和物理安全330
15．2．3 竊取技術防護、服務器安全、
數據庫安全和數據備份337
15．3 如何保護隱私346
15．3．1 關于數據隱私的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 數據產品經理應該了解的4種數據隱私保護技術350
第 16章數智化重塑增長
16．1 數智化359
16．1．1 踏上數智化之路359
16．1．2 從數字化走向數智化360
16．2 數智化重塑未來增長的破局之路364
16．3 找到數智化轉型的第一個切入點367
16．4 案例：數智化破局增長372
16．4．1 傳統(tǒng)企業(yè)數智化重塑增長案例372
16．4．2 數智化解決方案案例——需求預測373
第 17章不確定時代的數據產品經理思維方法
17．1 物聯(lián)網的數智化未來378
17．2 以快手為例看5G時代互聯(lián)網產品的變化380
17．3 數據認知促進數據思維383
第 18章 “數據人”行動路徑
18．1 盡快從傳統(tǒng)產品經理躍遷到數據產品經理387
18．2 數據產品躍遷三部曲387
18．3 數據產品經理=數據技術經理+運營經理+項目產品經理389
附錄一常用術語：75個專業(yè)術語
附錄二數據產品經理的3種圖