第1部分
第1章　成為數據産品經理：角色創建和角色轉變
1.1　給“小萌新”的信心和冷水——歡迎打開這個新世界的大門　/ 003
1.1.1　新人的睏惑　/ 003
1.1.2　新角色的技能樹　/ 004
1.2　從數據分析師轉型做數據産品經理——從解構到創造　/ 006
1.2.1　兩種角色的巨大差異　/ 007
1.2.2　從數據分析師轉型的難點　/ 008
1.3　從數據技術轉型做數據産品經理——從具體到抽象　/ 010
1.3.1　從數據技術轉型的睏惑　/ 010
1.3.2　從數據技術轉型的關鍵點　/ 011
1.4　從其他産品經理轉型做數據産品經理——從信息到數據　/ 014
1.4.1　從後颱産品經理轉型做數據産品經理　/ 014
1.4.2　前端産品經理也能轉型做數據産品經理　/ 016
1.5 工作筆記：數據産品經理技能樹　/ 016
第2章　數據産品經理和其他角色的關係
2.1　角色之間的關係和他們麵對的問題　/ 019
2.1.1　數據業務結構和相關角色　/ 019
2.1.2　角色之間的輸入/ 輸齣　/ 022
2.2　你的用戶是誰：數據産品的“用戶分析”　/ 023
2.2.1　數據角色相關用戶　/ 023
2.2.2　非數據角色相關用戶　/ 026
2.3　不同階段，不同定義　/ 028
2.3.1　從平颱到中颱　/ 028
2.3.2 　明確公司所處的階段和狀態 　/ 029
第2 部分
第3 章　需求溝通過程
3.1　發現數據需求的本質　/ 030
3.1.1　數據需求類型　/ 030
3.1.2　不同需求類型對應的實現方式　/ 035
3.1.3　識彆需求背後需要解決的問題　/ 037
3.1.4　需求溝通中的提問技巧　/ 040
3.2　避免做太多臨時的事——需求沉澱　/ 042
3.2.1　和大傢達成一些閤作共識　/ 042
3.2.2　信息記錄和信息反饋　/ 045
3.2.3　不停地迴顧——需求復盤方法　/ 047
3.3　當我們在討論“預測”時，是在討論什麼　/ 050
3.3.1　理解概率結論的不確定性　/ 050
3.3.2　不確定感帶來的焦慮　/ 051
3.3.3　充分描述曆史數據　/ 052
3.4　工作筆記：一個需求溝通框架　/ 052
第4 章　指標體係搭建
4.1　指標體係　/ 054
4.1.1　什麼是指標體係　/ 054
4.1.2　指標體係如何描述業務　/ 056
4.1.3　案例：某媒體網站的指標體係搭建　/ 059
4.1.4　從指標體係到數據驅動的過程　/ 061
4.2　指標定義和維度定義　/ 062
4.2.1　指標和維度　/ 062
4.2.2　抽象定義和操作定義　/ 063
4.2.3　計算口徑之爭　/ 063
4.3　基礎監控的建立——報錶很重要　/ 065
4.3.1　從寬錶到報錶　/ 065
4.3.2　從頂層監控到多維度拆分　/ 070
4.3.3　迭代和反饋機製　/ 070
4.4　工作筆記：一個指標體係的産品化方式　/ 071
第5 章　Excel 是最完美的數據産品
5.1　Excel 常用功能盤點 　/ 076
5.1.1　重點函數和動態圖錶　/ 078
5.1.2　數據透視錶和數據透視圖、切片器　/ 084
5.2　使用Excel 做思維訓練　/ 088
5.2.1　數據和可視化的關係　/ 088
5.2.2　案例：Excel 迷你動態模闆開發實戰　/ 089
第6 章　不同的工具解決不同的問題
6.1　基礎工具設計　/ 107
6.1.1　通用報錶工具　/ 108
6.1.2　數據治理工具：維錶、數據質量管理　/ 112
6.1.3　自助查詢和開發類工具　/ 116
6.2　可視化平颱設計　/ 118
6.2.1　可視化平颱結構的分類　/ 119
6.2.2　不同圖錶類型的作用和數據源結構　/ 120
6.2.3　可視化平颱功能點最好能夠標準化　/ 134
6.2.4　Power BI 和Tableau 的對比評測　/ 135
6.3　工作筆記：一個數據産品的PRD 結構　/ 141
第7 章　數據應用和第三方平颱
7.1　數據應用産品　/ 143
7.1.1　多版本測試及其工具　/ 144
7.1.2　用戶畫像和用戶標簽　/ 150
7.1.3　策略庫的形成和數據閉環　/ 151
7.2　第三方平颱産品　/ 153
7.2.1　DMP 到底是什麼　/ 154
7.2.2　類似神策、GrowingIO 等平颱的優勢和適用範圍　/ 155
7.3　工作筆記：一套融入業務工作流的數據應用方案包含什麼　/ 159
第3部分
第8 章　必須理解的統計學知識
8.1　報錶的本質：描述性統計解決日常90% 的問題　/ 162
8.1.1　隨機變量的分布　/ 163
8.1.2　集中趨勢1：最值、中位數、眾數和均值　/ 164
8.1.3　集中趨勢2：標準差和方差　/ 166
8.2　統計學和因果論：相關性和因果關係　/ 167
8.2.1　相關性和因果關係的定義和區彆　/ 169
8.2.2　數據使用中常見的邏輯謬誤　/ 171
8.2.3　貝葉斯法則背後的哲學觀點　/ 172
8.3　假設檢驗過程代錶著一種思維方法　/ 173
8.3.1　什麼是假設檢驗過程　/ 173
8.3.2　一種有點“反人類”卻十分有效的思維方式　/ 174
第9 章　必須瞭解的數據技術基礎知識
9.1　數據平颱存在的形態：數據平颱基礎架構　/ 175
9.1.1　瞭解每一個組件解決什麼問題　/ 176
9.1.2　Hadoop：一個情報處的組織架構　/ 178
9.2　數據源：數據采集和數據同步　/ 179
9.2.1　用戶行為采集：埋點和無埋點的技術原理　/ 179
9.2.2　數據同步和數據接入：做好數據的搬運工　/ 183
9.3　數據建模：核心思想是“分類”　/ 185
9.3.1　瞭解主流“門派”：維度建模，從ODS 到數據集市　/ 185
9.3.2　計算資源分配：調度和依賴　/ 187
9.3.3　實時數據：流式SQL 的齣現　/ 187
9.4　産品經理要學一點代碼　/ 188
9.4.1　SQL 也許不能叫作代碼，卻不可替代　/ 188
9.4.2　團隊裏存在的技術棧，要知道它們的原理和難度　/ 188
第10 章　不得不說的“坑”和紅綫
10.1　直麵數據質量問題　/ 190
10.1.1　統一名詞庫的必要性和睏難　/ 191
10.1.2　第三方係統數據的接入和打通　/ 193
10.1.3　不可避免的體力活——埋點及其維護　/ 194
10.2　數據平颱的內功修煉和麵嚮業務的輸齣很難平衡　/ 195
10.2.1　麵對刷數、遷移、反復校驗的每一天　/ 196
10.2.2　韆萬不要企圖做“爛好人”　/ 197
10.3　數據安全　/ 197
10.3.1　我們為什麼總是在亡羊補牢　/ 198
10.3.2　數據權限管理、流程和規則　/ 199
10.3.3　數據産品經理能為數據安全做什麼　/ 200
· · · · · · (收起)