掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據增長模型:數智時代的全棧產品運營思維、算法與技術 版權信息
- ISBN：9787115570604
- 條形碼：9787115570604 ; 978-7-115-57060-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據增長模型:數智時代的全棧產品運營思維、算法與技術 本書特色
適讀人群 ：數據分析、數據工程愛好者，數據崗位產品經理和運營人員1.阿里巴巴、美團點評、騰訊、滴滴等數據產品案例，更有實例展示阿里、騰訊的數據產品團隊與企業文化，阿里、騰訊數據產品經理的一天工作，阿里、騰訊數據產品經理面試流程與求職經驗。既有大公司的數據產品經驗案例也有創業團隊的經驗總結。 2.“道”與“術”。本書不僅有道的層面展示豐富數據產品經理思維方法內容，不僅僅要懂產品層面的數智化需要整體產品團隊、技術團隊、運營團隊有數字化的思維文化，還要懂術的層面支持大量數據分析的新工具流程和數據挖掘的新工具新技術，既在道的層面產品思維方面強調數據產品的思維方法，亦在術的層面也進行了數據產品實操。
數據增長模型:數智時代的全棧產品運營思維、算法與技術 內容簡介
本書以在數字化背景下，數據產品從業者的數據技術、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；很后講解了數據中臺和數據安全、數據智能應用場景、用戶增長實戰案例。 本書適合數字化市場下的數據產品從業者閱讀，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、數據領域創業者和相關專業的學生。
數據增長模型:數智時代的全棧產品運營思維、算法與技術 目錄
第 1章 抓住數據增長波段
1．1 數據增長發展階段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Excel080
5．1．1 常用的統計分析函數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 描述性統計分析087
5．2．3 相關系數與協方差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095
5．5 學會綜合運用Python097
5．5．1 Python定義097
5．5．2 規劃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 打破傳統的A B測試觀念106
6．2 什么是A B測試106
6．3 系統地設計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
9．1 實戰推薦系統產品147
9．1．1 基于用戶的推薦系統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148
9．1．4 基于內容推薦系統的優點和缺點153
9．2 推薦系統應用場景154
9．3 推薦系統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生態系統187
10．3．1 Hadoop發展歷程188
10．3．2 Hadoop生態193
10．3．3 Hadoop的優勢194
10．3．4 Hadoop的發展趨勢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 數據產品規劃
13．1 數據平臺規劃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 傳統企業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 物聯網的數智化未來378
17．2 以快手為例看5G時代互聯網產品的變化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個專業術語
附錄二 數據產品經理的3種圖
1．1 數據增長發展階段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Excel080
5．1．1 常用的統計分析函數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 描述性統計分析087
5．2．3 相關系數與協方差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095
5．5 學會綜合運用Python097
5．5．1 Python定義097
5．5．2 規劃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 打破傳統的A B測試觀念106
6．2 什么是A B測試106
6．3 系統地設計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
9．1 實戰推薦系統產品147
9．1．1 基于用戶的推薦系統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148
9．1．4 基于內容推薦系統的優點和缺點153
9．2 推薦系統應用場景154
9．3 推薦系統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生態系統187
10．3．1 Hadoop發展歷程188
10．3．2 Hadoop生態193
10．3．3 Hadoop的優勢194
10．3．4 Hadoop的發展趨勢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 數據產品規劃
13．1 數據平臺規劃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 傳統企業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 物聯網的數智化未來378
17．2 以快手為例看5G時代互聯網產品的變化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個專業術語
附錄二 數據產品經理的3種圖
展開全部
數據增長模型:數智時代的全棧產品運營思維、算法與技術 作者簡介
連詩路，阿里早期創業產品團隊成員，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。
書友推薦
- >
我從未如此眷戀人間
- >
羅曼·羅蘭讀書隨筆-精裝
- >
推拿
- >
自卑與超越
- >
小考拉的故事-套裝共3冊
- >
上帝之肋:男人的真實旅程
- >
朝聞道
- >
有舍有得是人生
本類暢銷
