第一單元 剛接手一款産品，如何快速瞭解它
第1問 重新定義産品，應從哪開始？ 3
1.1 尋找一個切入點 3
1.2 宏觀：領域與生態 4
1.3 中觀：産品全局 4
1.4 微觀：産品功能與用戶 5
1.5 歸納與重新定義 7
第2問 怎樣理解産品中那些酷炫的數據指標？ 10
2.1 指標背後的要素：時間粒度和口徑 10
2.2 值得思考的“終極問題” 12
2.3 為數據指標分類 15
第3問 産品中有那麼多功能，怎樣摸清它們的脈絡？ 18
3.1 畫一張屬於自己的産品地圖 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聯網 22
第4問 瞭解産品用戶，應選擇用戶畫像還是用戶特徵？ 23
4.1 用戶畫像vs用戶特徵 23
4.2 關注不發聲的大多數用戶 25
4.3 警惕無效的用戶特徵 25
4.4 識彆用戶反饋帶來的僞需求 27
第5問 關於産品與數據，還有哪些值得注意的概念？ 29
5.1 這些用詞的區彆在哪裏 29
5.2 保持名稱的一緻性 33
5.3 近似值和數值的位數 33
第二單元 數據支撐體係是如何運作的？
第6問 人力：數據團隊中有哪些幕後英雄？ 39
6.1 數據産品經理 40
6.2 數據分析師 40
6.3 數據項目經理 41
6.4 開發工程師 41
6.5 測試工程師 41
6.6 運維工程師 42
6.7 基礎研究員 42
第7問 物力：數據産品是怎麼來的？ 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 同樣存在僞需求 48
第8問 除瞭報錶平颱，數據産品還包括什麼？ 51
8.1 先給數據産品分個層次 51
8.2 數據采集層 52
8.3 數據接入層 53
8.4 數據處理層 53
8.5 數據應用層 54
第9問 數據上報前需要做哪些準備工作？ 56
9.1 準備一：允許上報什麼樣的數據 56
9.2 準備二：定義數據協議和數據Topic 58
9.3 準備三：統一文本編碼 59
第10問 埋點就是數據采集嗎？ 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：機製型功能和服務型功能 63
10.3 對采集組件優化的思考 64
第11問 數據上報到哪裏去瞭？ 66
11.1 不得不談的技術流程 66
11.2 數據倉庫vs數據庫 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據嗎？ 72
12.1 數據處理的基本操作：歸並和計算 72
12.2 任務調度平颱，自動化處理引擎 75
12.3 橫錶vs縱錶 79
12.4 事實錶vs維度錶 80
第13問 數據處理好瞭，我可以享用哪些服務？ 82
13.1 數據門戶的傢族成員 82
13.2 報錶呈現的奧秘 83
13.3 運籌帷幄的Dashboard 85
13.4 火眼金睛的用戶分析平颱 86
13.5 溫暖人心的數據訂閱 89
13.6 萬能的SQL，靈活的即席查詢 91
第14問 體驗優良的數據産品有哪些錶現？ 94
14.1 交互是體驗的一部分 94
14.2 彆讓我思考，值得強化的基礎體驗 95
14.3 彆讓我孤單，多方位的支持服務 99
14.4 彆讓我犯錯，嚴格對待權限與安全 102
第三單元 立足當下，如何輕鬆實踐數據化運營？
第15問 怎樣快速樹立數據化運營思維？ 107
15.1 認清運營的焦點：用戶 107
15.2 理解用戶數據的六步循環 109
15.3 明確數據化運營與數據産品體係的關係 110
第16問 數據啊，數據，我的産品怎樣纔能成功？ 112
16.1 感性地提齣一個問題 112
16.2 將問題分解為能夠量化的指標 112
16.3 理性地迴答問題 114
第17問 怎樣製定閤適的數據上報策略？ 116
17.1 大聲說齣你想瞭解的內容 116
17.2 數據化各實體，尋找定義要素 117
17.3 用語義錶達法試驗上報策略 120
第18問 哪些用戶數據值得收集？ 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 操作時長數據的上報 130
18.4 用戶屬性的時效問題 131
第19問 怎樣為數據賦予運營的意義？ 132
19.1 從“使用iPhone手機的深圳市女性用戶每日發消息情況”說起 132
19.2 口徑對數據事實的影響 134
19.3 纍積處理要趕早 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 自然人識彆，揭開用戶ID背後的真相 142
第21問 為什麼要進行用戶建模和用戶分層？ 146
21.1 用戶建模，基於已知探索未知 146
21.2 用戶分層，讓群體特徵更明顯 149
21.3 四象限法，實現雙維度分組 152
第22問 怎樣精確控製A/B測試？
22.1 迴顧一場典型的A/B測試 154
22.2 用數據控製兩組用戶的差異變量 155
22.3 虛擬A/B測試，隻靠數據就能搞定 158
第23問 數據是怎樣推動産品灰度發布的？ 162
23.1 灰度發布，為産品引路的金絲雀 162
23.2 對參與用戶的篩選 165
23.3 對參與用戶的數據跟蹤 165
23.4 把質量數據作為能否進行下一輪發布的依據 166
23.5 灰度發布的注意事項 166
第24問 “隨機播放”為什麼讓用戶感覺不隨機？ 168
24.1 請隨機播放幾首歌麯 168
24.2 還沒有注冊，就讓我登錄？ 169
24.3 天啊，剛剛發生瞭什麼？ 172
第四單元 智能時代，還有哪些數據必修課？
第25問 各式各樣的圖錶分彆適用於哪些場景？ 177
25.1 數據報告中常用的圖錶 177
25.2 統計與分析的選擇 180
25.3 産品經理的最愛 182
25.4 不宜濫用的圖錶 184
25.5 圖錶高效錶達的四大原則 186
第26問 相比Excel，R語言更適閤繪製圖錶嗎？ 189
26.1 R語言不僅擅長繪圖 190
26.2 R語言更是統計分析能手 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自由地查詢數據？ 212
28.1 在Access中運行一段SQL代碼 212
28.2 聚閤查詢 214
28.3 閤並查詢 216
28.4 聯結查詢 216
第29問 人工智能可以帶給我們哪些啓發？ 219
29.1 怎樣理解人工智能 219
29.2 機器學習與大數據 221
29.3 人工智能産品思維 223
第30問 有哪些現成的數據可在運營中參考？ 226
30.1 大數據指數 226
30.2 互聯網行業和産品資訊 229
30.3 政府機構統計數據 232
· · · · · · (
收起)
