數據產品經理必修課：從零經驗到令人驚艷 ( 簡體 字) |
| 作者：李鑫 | 類別：1. -> 程式設計 -> 綜合 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 48783
詢問書籍請說出此書號！【缺書】
NT售價： 345 元 |
| 出版日：3/1/2018 |
| 頁數：324 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121336959 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：數據產品是什么
倘若我提出這樣一個問題：數學中的1、2、3分別代表什么？你心中會有什么樣的思考，又會有什么樣的答案呢？早在2500年前的古希臘，畢達哥拉斯學派就已經給出了答案：點、直線與平面是對這三個數字的幾何描述；源頭、兩性與穩定則是對它們深層次內涵的詮釋。由此看來，數學有著神秘的意義。難怪古希臘數學家普洛克拉斯會說：“哪里有數學，哪里就有美。”
數據一詞事實上是按照賓語前置的方式來構詞的，所以我們可以理解為“據數”或“以數為據”，意思是把數據當成考究的憑證。正如數學是人類早期復雜貿易催生的結果，數據先天也帶有商業的屬性。從結繩記賬到珠算發明，從證券股票到數字廣告，我們甚至可以模仿先賢的口吻說道：“哪里有數據，哪里就有商業。”
歷史的車輪已滾過千年，但數據的概念并未行將遲暮，垂垂老矣，反而老當益壯，煥發生機，這都要歸功于“大數據”概念的產生。對于大數據這一概念，行業中有人將其歸功于某家公司，有人將其產生與某位學者聯系起來，但他們更多地是這個概念的精神作者，大數據真正的作者應該是接受并使用它的人，從這點來說，消費者才是其真正的衣食父母。
然而數據畢竟是一個虛構的概念，當我們談論數據的時候，我們并沒有辦法在物理世界中找到一個實物來說明其客觀存在。也許你會拿出剛打印出的報表，并反駁我說：“難道這不是數據嗎？”可是你指的究竟是白色的紙還是黑色的油墨呢？由此可見，數據之名，需要借以載體之實才可以發揮價值，我們身邊的產品就是這樣一類載體。這么看來，打印出來的報表，包括郵寄上門的水電費單據，都是數據產品。
數據產品的內涵應該不止這么膚淺，要不然豈不是“人人都懂數據產品”了？數據產品最為重要和關鍵的價值是驅使行動。水電費單據驅使我們繳費，推薦系統驅使我們閱讀，財務指標驅使公司制定戰略，就連菜市場用于標注商品價格的黑板也能驅使人們采購。如此看來，一個不能夠驅使行動的數據產品其價值可能要大打折扣了。
讓我們再次回顧一下數據產品這個概念，人的行動產生貿易，貿易產生數據，數據通過產品展現，數據產品驅動人的行動，人的行動又產生數據……周而復始，形成閉環。這才是一個完整的數據產品。
為什么要寫此書
有關產品經理的著作有很多，僅在2017年，我拜讀過的就不下15本。從琳達?哥喬斯到蘇杰，從喬克?布蘇蒂爾、盧克?米勒到陳峻銳、閆榮、后顯慧、劉飛，我的產品思維便是從他們的薈萃中汲取的營養，因此你也許會從本書中讀到他們的部分觀點。關于大數據技術的書更是數不勝數，倘若將概念擴展到數據挖掘與機器學習領域，光是近幾年出版的書籍便已不勝枚舉。
如此說來，市場上似乎并不缺少有關數據產品的書，讀者只需要兼讀兩者即可。那么為什么我又要寫這本書呢？
著書并非我的本意，我的初心只是分享，這些內容最初被我寫在我的個人頭條號上，因為我信仰“分享是最好的學習方式”。在分享的過程中當然會受到質疑，但回答質疑乃至承認錯誤也是學習與進步的一部分。著書不過是分享的一種渠道罷了。
依我有限的閱讀量和淺見來看，大多數技術類書籍充滿了大量面向“圈內人”的專業術語，每一個術語都像是橫梗在讀者通往知識彼岸道路上的一座大山。并不是所有的讀者都需要，或者愿意，甚至有能力“逢山開路”。“知識若龐雜到無法在民眾中普及，則極易淪為經院哲學，甚至演化為民眾對權威的盲目迷信”，威爾?杜蘭特如是說。因此美國歷史學家詹姆斯?哈維?羅賓遜號召“拆除壁壘，還知識于民眾”，我僅僅是眾多擁躉者之一罷了。
恰逢此時，我拜讀了英國作家赫伯特?喬治?威爾斯（Hebert George Wells）的《世界史綱》，這本裝訂成上下冊的歷史界的“紅寶書”可以算是開了“概論”的先河，行文有趣，筆法生動，讓我一個在歷史方面十分愚鈍的人也感起興趣來。我也拜讀了吳軍老師與涂子沛老師幾乎所有的著作，書中所介紹的科技背后的歷史橋段讓我反復咂摸。《吳曉波頻道》和《羅輯思維》對我也頗有啟迪。或許，將理性的數據用感性的故事進行呈現，是一種更易于讓讀者接納的方式。我不禁這樣想。
數據冷酷得像一個法官，故事卻像富有溫情的婦人，理性與感性的矛盾不言而喻。不僅如此，科技與人文的較量，非虛構與文學的角力，也都正在進行。盡管美國作家菲茨杰拉德告訴過我們：“測驗一個人的智力是否屬于上乘，只看腦子里能否同時容納兩種相反的思想，而無礙于其處世行事。”但知易行難。
為了獲得這樣的智慧，我們需要找到途徑和方法。好在查理?芒格、赫伯特?西蒙（司馬賀）以及小泉英明各自都著書立說，為我們提供了工具與方向。這是一種被稱為多學科交叉的思考方式，我也希望用這種方式來寫作與分享，讓這本書在豐富內容之余兼具有趣的靈魂。
本書內容
全書分四大部分，共計15章，每部分及每章的具體內容如下。
第一部分 產品經理的前世今生
第1章 產品經理的前世
產品經理一詞究竟是何意義？該崗位從何而來？廣義與狹義上有何區別？當前互聯網行業的產品經理究竟做些什么？本章將為你一一揭曉。
第2章 產品經理的今生
提出管理動機、廣義競品分析與交互設計這樣的對產品經理的更高要求。另外，本章也將梳理產品經理在產品、團隊、公司層面必須邁過的雷池。
第3章 產品經理的入行
“寬進嚴出”是產品經理崗位的特色，低門檻使得初入此行甚是輕松，高要求則使得出類拔萃愈加困難。本章將介紹從事產品經理的人員該具備什么樣的視野，又該在工作中如何學習。
第二部分 古往今來的數據思維
第4章 歷史中的數據思維
數據埋點、數據可視化、數據產品落地、數據驅動決策、利用數據降本增效、統計分析以及打通數據孤島這些老生常談的話題似乎可以在過往的歲月中找到關聯。本章向歷史溯源，給出老概念的新故事，訴說新時代的舊往事。
第5章 行業擁抱數據思維
從藍色星球到960萬平方公里的泱泱大國，從與政府密切聯系的科教文衛體到與民生息息相關的衣食住行，本章將介紹大數據滲透到的每一處角落。
第6章 當產品經理遇見數據思維
當產品經理遇見數據思維的時候，不僅有“眼前的茍且”——數據產品經理，還有“詩和遠方”——數據科學家。從現實到理想的距離，本章將為你搭梯。
第三部分 數據產品經理的技能進階
第7章 面向產品經理的數據預處理
“磨刀不誤砍柴工”，做好數據預處理可以為數據分析與挖掘過程節省許多時間。本章從數據清洗、數據集成、數據變換以及數據規約四個角度全面闡述數據預處理的相關知識。
第8章 面向產品經理的統計分析
本章從非時序數據與時序數據、分類數據與連續數據的角度，介紹數據統計與數據分析的概念及技巧。
第9章 面向產品經理的數據挖掘
本章旨在講清楚數據挖掘的方方面面，內容包括回歸、分類、聚類、關聯分析和時間序列分析等數據挖掘算法，以及在此基礎上的集成學習、文本挖掘、社交挖掘、排序算法、推薦系統以及用戶畫像。最后以這些算法中蘊含的哲學內涵作為結束。
第10章 面向產品經理的數據可視化
數據可視化是“技術與美”的最好結合。本章分別介紹“高大上”與“接地氣”的兩類數據可視化，并從數據展現和邏輯修飾兩個層面介紹識別數據“說謊”的技巧，最后給出數據可視化的終極形式——數據報告的制作方法。
第11章 向數據科學家再邁一步
本章介紹與數據產品崗位相關的另外三個崗位，分別是運營、研發與市場。在通往數據科學家的鑄鼎之路上，這三足必不可少。
第四部分 數據產品經理的自我修養
第12章 學習力：借方法論加速
本章系統介紹工作中遇到的各種方法論，并概括總結諸多方法論的“模板”，最后提出筆者自己的學習方法論，幫助讀者建立工作中的“理論自信”。
第13章 表達力：用邏輯學幫襯
本章從“為國考正名”談到“名著中的名言警句”，詳細介紹產品經理日常工作與案頭寫作的心得，以及匯報與分享中極具感染力的“故事思維”。
第14章 領導力：以經濟學詮釋
本章在經濟學原理中找到管理學中領導力的跨學科基礎——無論是團隊制定目標時的“舉旗定向”，還是實際工作時的“謀篇布局”；無論是團隊內部配合的“取長補短”，還是團隊之間協作的“互利共贏”。
第15章 軟實力：靠心理學打造
本章通過心理學中的若干現象與小實驗，介紹幫助數據產品經理靈活駕馭本職工作的若干心得與技巧。 |
內容簡介：當產品經理遇上大數據時代，數據產品經理應運而生。新時代的新崗位自然也有新要求。數據思維、數據預處理、數據統計、數據挖掘、數據可視化等是產品經理的必備技能。懂產品、懂運營、懂市場、懂表達、懂管理則是數據分析師的技能外延。本書正是為有志于從事數據產品崗位的人士提供掌握上述技能的必修課。 讓我們通過本書，在大數據的浪潮中乘科技與人文的扁舟，駛過數據產品經理的港灣，駛 向數據科學家的彼岸。 |
目錄：第一部分 產品經理的前世今生
第1章 產品經理的前世
1.1 產品經理究竟是什么 4
1.1.1 咬文嚼字說產品經理 4
1.1.2 產品經理的歷史溯源 5
1.2 泛產品經理與產品經理 6
1.2.1 產品經理的專業取向 7
1.2.2 產品經理的泛化 8
1.3 互聯網產品經理的規定動作 12
1.3.1 需求調研 12
1.3.2 競品分析 14
1.3.3 原型設計 16
第2章 產品經理的今生
2.1 賣家秀：自我提升的幾項技能 20
2.1.1 從需求文檔到動機文檔 20
2.1.2 從競品分析到廣義競品分析 22
2.1.3 從原型設計到交互設計 24
2.2 買家秀：弄垮團隊的若干“要領” 28
2.2.1 越過產品雷池 28
2.2.2 踏入團隊雷池 29
2.2.3 邁向公司雷池 30
第3章 產品經理的入行
3.1 入行做產品的幾種可能 34
3.1.1 源自技術崗 34
3.1.2 源自業務崗 35
3.1.3 源自應屆生 36
3.2 上崗后的第一件事 37
3.2.1 產品全圖 38
3.2.2 行業全圖 39
3.2.3 產業全圖 40
3.3 工作中如何學習 41
第二部分 古往今來的數據思維
第4章 歷史中的數據思維
4.1 人口普查：最早的數據埋點策略 46
4.1.1 埋點的技術視角 46
4.1.2 埋點的時機與策略 48
4.2 命令與征服：可視化最早的用意 49
4.2.1 可視化大家說 50
4.2.2 可視化與歷史 51
4.3 科技革命：助力數據產品落地 54
4.3.1 手工統計 55
4.3.2 機械統計 55
4.3.3 電子統計 57
4.4 數據驅動決策的歷史溯源 57
4.4.1 美國建立時用數據分權 58
4.4.2 南北戰爭時用數據進軍 59
4.4.3 經濟發展時用數據裁判 60
4.5 管理咨詢：使用數據降本增效 61
4.5.1 咨詢指引數據產品方向 62
4.5.2 管理啟迪思維模式更新 63
4.6 聊聊統計學 64
4.6.1 政治算術 64
4.6.2 頻率學派 65
4.6.3 概率學派 66
4.7 LEHD：美國的第一個大數據項目 67
4.7.1 信息逐步開放 67
4.7.2 大數據項目開展 68
4.8 歷史給我們數據思維的啟示 69
4.8.1 用數據說話 69
4.8.2 向賢者取經 69
4.8.3 漸進性創新 70
4.8.4 需求創造供給 70
第5章 行業擁抱數據思維
5.1 大數據從何而來 72
5.1.1 大數據歷史 73
5.1.2 自身發展 75
5.2 大數據的全球格局與中國面貌 76
5.2.1 全球格局 76
5.2.2 中國面貌 77
5.2.3 行業概覽 78
5.3 大數據+“治理與交通” 81
5.3.1 治理 81
5.3.2 交通 83
5.4 大數據+“零售與金融” 84
5.4.1 零售 84
5.4.2 金融 88
5.5 大數據+“體育與教育” 89
5.5.1 體育 89
5.5.2 教育 91
5.6 大數據+“醫療與旅游” 93
5.6.1 醫療 93
5.6.2 旅游 94
5.7 大數據+“農業與制造” 96
5.7.1 農業 96
5.7.2 制造 97
5.8 大數據行業成熟了嗎 97
5.8.1 行業成熟度 98
5.8.2 大數據理念 99
5.8.3 大數據趨勢 100
5.9 大數據在產業中的位置 103
5.9.1 行業組成 104
5.9.2 產業構成 106
第6章 當產品經理遇見數據思維
6.1 下一站：數據科學家 110
6.1.1 數據科學的歷史由來 110
6.1.2 數據科學與商業智能 111
6.1.3 數據科學的職業分類 112
6.1.4 數據分析的技能進階 114
6.2 數據產品經理的職業新要求 115
第三部分 數據產品經理的技能進階
第7章 面向產品經理的數據預處理
7.1 數據分析的標準姿勢 128
7.2 淘洗數據沙礫（數據清洗） 130
7.2.1 缺失值 130
7.2.2 異常值 132
7.2.3 歸一化 133
7.3 聚細沙成佛塔（數據集成） 135
7.3.1 實體識別 135
7.3.2 冗余性識別 136
7.4 換個姿勢再來一次（數據變換） 137
7.4.1 離散化 137
7.4.2 屬性構造 139
7.5 少即是美（數據規約） 139
7.5.1 特征規約 140
7.5.2 樣本規約 141
第8章 面向產品經理的統計分析
8.1 說有信息量的話（非時序數據的統計量） 144
8.1.1 集中趨勢 145
8.1.2 離散趨勢 146
8.1.3 數據分布 148
8.2 股票指數是什么（時序數據的統計量） 148
8.2.1 “三比” 149
8.2.2 股票指數 150
8.3 男女真的有別嗎（分類數據的統計量） 152
8.3.1 卡方是什么 152
8.3.2 卡方怎么算 153
8.4 相關性不是因果性（連續數據的統計量） 156
8.4.1 Pearson 156
8.4.2 Spearman 157
8.4.3 Kendall 158
8.5 數據不能承受之“熵” 159
8.5.1 物理中的“熵” 159
8.5.2 信息中的“熵” 160
第9章 面向產品經理的數據挖掘
9.1 學數據挖掘，只需要高中數學 164
9.1.1 重溫“加減乘除” 164
9.1.2 重溫“比值” 165
9.1.3 重溫“函數” 165
9.1.4 重溫“符號” 165
9.2 線性回歸：人為什么沒有嚴重兩極分化 166
9.2.1 優生學趣聞 166
9.2.2 空間中的直線 167
9.3 邏輯回歸：種群增長的S型曲線 169
9.3.1 種群的增長曲線 169
9.3.2 S型曲線的秘密 171
9.4 樸素貝葉斯：面相占卜工作原理 172
9.4.1 外貌協會與街頭看相 173
9.4.2 無處不在的貝葉斯 174
9.5 決策樹：愛情選擇背后的心理學意義 176
9.5.1 愛情選擇條件多 177
9.5.2 不糾結的小技巧 178
9.6 K-means：尋找物理學上的質心 181
9.6.1 向中心看齊 181
9.6.2 站錯隊的后果 183
9.7 層次聚類：分而治之與抱團取暖 184
9.7.1 分而治之 185
9.7.2 抱團取暖 185
9.8 DBScan：帝國崛起的定居、建國與擴張 186
9.8.1 密度打敗劃分 187
9.8.2 相似的帝國發展路徑 188
9.9 關聯規則挖掘：“啤酒和尿布”是個謊言 188
9.9.1 訛傳已久的商業故事 189
9.9.2 關聯規則的三重門 190
9.10 時間序列分析：聊聊《周易》 192
9.10.1 時間序列分析的玄妙 192
9.10.2 時間序列分析的正經 194
9.11 集成學習：三個臭皮匠賽過諸葛亮 195
9.11.1 多拜師與拜大師 196
9.11.2 向大家與失敗學習 197
9.12 文本挖掘：讓機器讀懂你 199
9.13 社交網絡：隱私無處遁形 202
9.14 排序：簡約而不簡單的事 205
9.14.1 排序的規則方法 205
9.14.2 排序的操作機理 207
9.15 推薦系統：“今日頭條”背后的秘密 208
9.16 用戶畫像：隱私是個“偽命題” 213
9.17 算法思想中的哲學內涵 216
第10章 面向產品經理的數據可視化
10.1 別人家的可視化：陽春白雪 222
10.2 工作中的可視化：下里巴人 227
10.3 用可視化“說謊” 230
10.3.1 數據的誤導 230
10.3.2 邏輯的謬誤 234
10.4 準備一份數據報告 238
第11章 向數據科學家再邁一步
11.1 能文：陪運營跟蹤產品看效果 244
11.1.1 傳統運營的基本功 245
11.1.2 數字化運營“三”話你知 248
11.2 能武：追研發把控進度出成果 251
11.2.1 數據采集 251
11.2.2 數據存儲 254
11.2.3 數據計算 256
11.2.4 數據分析 258
11.3 能聊：跟隨銷售面向市場找思路 258
第四部分 數據產品經理的自我修養
第12章 學習力：借方法論加速
12.1 方法論知多少 266
12.1.1 概念闡述 266
12.1.2 分類總結 267
12.2 學習過程的“滿灌”與“脫敏” 269
12.2.1 理解提煉 269
12.2.2 我的方法論 271
第13章 表達力：用邏輯學幫襯
13.1 寫得一手好文案 274
13.1.1 為公務員考試正名 274
13.1.2 寫作實戰簡明教程 275
13.2 講故事給同事聽 278
第14章 領導力：以經濟學詮釋
14.1 事情背后的選擇 285
14.1.1 選擇價值鏈上游：剪刀差效應 285
14.1.2 學會審時度勢：美林時鐘 286
14.1.3 謹慎選擇別人的經驗：推繩子效應 286
14.1.4 平衡是一個難題：薩伊定律與凱恩斯法則 287
14.2 人員之間的協同 288
14.2.1 你閃開，讓我來：絕對優勢與相對優勢 288
14.2.2 無條件開放：零和博弈與合作共贏 289
14.2.3 教會團隊成員什么是沉沒成本 290
第15章 軟實力：靠心理學打造
15.1 向內求：耐心、謙遜、熱心 294
15.1.1 讓自己“延遲滿足” 294
15.1.2 對表揚免疫 295
15.1.3 不怕丟臉地分享 297
15.2 對外看：大局、妥協、有趣 297
15.2.1 看問題需要“上帝視角” 298
15.2.2 率真對內，圓滑對外 298
15.2.3 一切從簡，有趣有夢 299 |
| 序： |
