《数据产品经理:实战进阶》杨楠楠,李凯东,姚问雁,高长宽作|(epub+azw3+mobi+pdf)电子书下载
图书名称:《数据产品经理:实战进阶》
- 【作 者】杨楠楠,李凯东,姚问雁,高长宽作
- 【丛书名】产品管理与运营系列丛书
- 【页 数】 302
- 【出版社】 北京:机械工业出版社 , 2020.08
- 【ISBN号】978-7-111-66239-6
- 【价 格】79.00
- 【分 类】数据处理-产品设计
- 【参考文献】 杨楠楠,李凯东,姚问雁,高长宽作. 数据产品经理:实战进阶. 北京:机械工业出版社, 2020.08.
图书封面:
图书目录:
《数据产品经理:实战进阶》内容提要:
本书围绕数据产品经理所需的系统知识展开讲解,内容全面,实战性强。12位作者是来自不同公司的数据产品经理,涉及多个行业,保证了本书内容在互联网行业的普适性。首先,本书对数据产品经理的定义、行业现状及招聘面试等入门知识做了系统介绍。其次,本书对数据产品经理需要的能力、知识进行了专业讲解,让读者充分了解数据产品经理的具体工作内容,完善自己的数据知识体系,规划职业路径,并理解数据团队如何在数据、产品、运营、市场等多个方面发挥价值。本书共11章,在逻辑上分为四个部分。第一部分基础知识主要介绍数据产品的行业视野、产品经理自身的能力要求以及面试和招聘等。第二部分通用能力主要介绍数据分析能力、产品经理的项目运转能力。第三部分主要讲解数据采集、数据治理、AB测试、数据服务等数据产品经理必备的数据建设能力。第四部分主要介绍搜索、用户画像等常见的策略产品知识。
《数据产品经理:实战进阶》内容试读
第1章
全面认识数据产品经理
近些年来,·产品经理的一个新的分支一数据产品经理正在兴起。一方面,很多企业开始意识到大数据对于企业管理和精细化运营的重要性,着手招聘大量数据相关的从业人员,开发各种数据产品。其中数据产品经理是企业数据化战略的重中之重。另一方面,作为一个新兴且需要大量理论基础及实战经验培养的职业,市面上优秀的数据产品经理寥寥可数,整个人才市场供远小于求。基于此,本章会先从数据产品的定义开始介绍,然后逐步延伸到不同类型的产品特征、设计思路以及优秀的数据产品代表。对数据产品有了基本概念后,我们再介绍数据产品经理的职位类型、能力模型,以及应聘和招聘流程。最后,我们会通过若干个案例来帮助读者更好地理解本章内容。希望通过这一章的介绍,能够让大家更全面地了解数据产品,进而更全面地认识数据产品经理。
1.1什么是数据产品
这一节介绍最基础的概念,包括什么是数据产品、数据产品的组成部分及产品类型,做到知其然,亦知其所以然。
|数据产品经理:实战进阶
1.1.1数据产品定义
数据产品是一种降低用户使用数据的门槛,并发挥或提高数据价值的产品类型,与之对应的有用户产品和商家产品等。负责设计、维护和优化数据产品的人,我们称其为“数据产品经理”。
1.1.2数据产品组成
一个完整的数据产品通常由采集清洗、计算管理、分析展示和挖掘应用四个部分组成。
(1)采集清洗
采集指的是产品通过各种技术手段,将现实世界的信息线上化之后,再传输到企业的服务器和数据库中。根据采集源头的不同,可以分为日志信息采集和业务库表采集两种。前者主要是从各种联网设备中采集,有Ap即日志、服务器日志和智能设备日志等;后者一般从企业的业务数据库中获取,如电商企业中用户的下单数据、支付数据等。为了准确采集这些内容,我们会构建一套埋点系统来进行规范和管理(具体参见第4章)。由于采集的信息一般会存在数据缺失或冗余、数据错报等情况,因此不能直接使用,需要一个预定义的清洗流程进行整理和优化。
(2)计算管理
从严格意义上说,这些经过初步采集和清洗得到的信号尚不能称为“数据”,因为此时人们并不能根据这些信号扩大自己对客观世界的认知。这就仿佛川流不息的车辆在你面前呼啸而过,但你却不知道这意味着什么。这些信号,只有根据不同的业务场景和需求汇总计算之后,才能称为“数据”。此时,你便可以知道,在刚才过去的10秒里你面前驶过了25辆车,和昨天同段时间对比略微偏高,因为今天是周五,大家下班早。
数据分为度量、指标和维度,它们随着业务的进展会逐渐膨胀,变得十分复杂。我们可以构建一套元数据管理系统来更好地管理这些数据(详见第8章)。
(3)分析展示
存放起来的这些数据,就像乐高积木一样,需要经过合适的分析思维和展示方案进行组装,才能变成漂亮的模型,发挥相应的数据价值。合适的分析模型可以大幅降低用户使用数据的门槛,更好地获取数据背后的洞察,如漏斗分
002
第1章全面认识数据产品经理
析模型和留存分析等。同时,这些分析思维需要搭配一定的可视化工具才能更好地传达。
(4)挖掘应用
除了分析展示外,数据的价值还体现在与业务结合的挖掘和应用上。通用的业务场景有搜索、推荐、排序和风控四种,数据通过构建合适的策略和模型来提高这些场景的业务效率,如用户画像、反作弊模型、推荐展示策略等(第11章系统介绍了用户画像)。同时,也有基于某些特定业务场景的数据应用,如针对销售推广人员的数字化绩效系统和针对客户留存唤醒的精细化用户运营系统等。
1.1.3数据产品类型
根据产品的使用对象,我们可以将数据产品分为三大类:用户数据产品、商用数据产品和企业数据产品。
用户数据产品一般面向普通用户提供数据查询服务,如Google推出的
Google Trends,其特点是任何用户均可访问,数据经过一定程度的提炼便于使用和分析。商用数据产品则是由企业开发,为其他企业或商家等实体提供数据服务,如GrowingIO和阿里巴巴的生意参谋。而企业数据产品则是由企业自建自用,主要目的是降低员工使用数据的门槛,辅助人员作出决策和提高业务效率。1.2节将会详细讲解每一类数据产品的特性、市场情况和设计理念。
更加宽泛地来讲,我们甚至可以再分出一类叫“泛化数据产品”,特指那些看起来与数据没有太大关系,但本质上也是利用数据来优化用户使用体验和提高商业效率的互联网产品形式。举例来讲,Google通过收集互联网上所有的网页内容并分析它们的访问数据,经过一套基于PageRank的复杂算法,大幅提高用户搜索内容的精确度。同时根据用户的搜索和浏览习惯,推测他们的偏好再精准投放广告,实现商业变现。从这个角度讲,包括Google、百度在内的搜索引擎都是数据产品。无独有偶,马云在多年前就提出“阿里巴巴要做的不是
GMV公司,而是数据公司”,逻辑大体类似。更甚于此的是,《人类简史》作
者尤瓦尔·赫拉利(Yuval Harari)宣称:“数据将取代以往的宗教成为人类未来的信仰,数据宗教将在下一个时代征服世界。”可以看到,无论是在经济、政治还是宗教领域,大数据和数据产品在可预见的未来都将扮演越来越重要的角色,
003
数据产品经理:实战进阶
新一轮的爆发指日可待。
1.1.4数据产品衡量
我们一般采用准确性、及时性、全面性、易用性四个维度来评估数据产品,排列的顺序也是其重要性的体现。
▣准确性。准确性是数据产品的根本,是最重要的评价维度。如果数据不准确,一切上层工具和应用都是空中楼阁。数据的准确性可以用“数据错误频次”来简单判断,但如果涉及范围较大,还需要对指标进行分级,不同级别会有不同权重的考量。
口及时性。衡量数据准备的及时程度。这里分为实时和离线两类场景,“实时”类场景会衡量刷新频率和顺畅程度,比如能否做到分钟级甚至秒级的更新。这在双十一等公共场景下十分重要。衡量指标一般是“更新频率”及“刷新失败频次”等实时类指标。“离线”一类场景则会衡量数据在第二天指定时间点前是否就绪的情况。一般团队遇到的问题是员工上午9点后陆续上班,但数据计算量太大导致10点多了数据还没准备好。衡量指标则是“未及时就位频次”等指标。
▣全面性。衡量数据覆盖的指标全面性及业务全面性。
口易用性。衡量数据产品的用户体验:一方面可以通过平台内监控各项功
能的使用量(如PV、UV及使用时长)来进行量化:另一方面也需要定
期进行用户访谈和问卷调研,来获得用户的使用反馈。
这四个衡量维度可以满足数据产品一些常见的衡量场景。不过因为数据产品本身的特殊性,有时候需要考虑各自权重的分布和引入新的辅助指标。数据产品的特殊性主要体现在以下三个方面。
口价值间接性。数据价值主要体现在使用方手上,而非产品本身。在某些场景下,数据能否发挥价值,只能看使用方是否依靠数据作决策,是否用数据说话。业务的增长也无法直接归因到数据身上。这不像一些强业务相关的产品,一些具体的动作能与业务指标直接挂钩。
口自上而下性。数据建设是件耗时长且很难短时间见到成效的工作,加上第一点的“价值间接性”,便决定了数据工作一般只能自上而下推动。口行业异构性。数据链条涉及行业的每个细节,这就导致了不同行业里,
004
第1章全面认识数据产品经理
数据的采集、使用、清洗和挖掘逻辑迥异。比如,互联网公司、连锁超市、现代化汽车厂三者的数据产品必然天差地别。
以上提到的这些数据产品要素会贯穿本书各个部分,建议大家在后续的阅读中,多结合这些要素进行思考,会有意想不到的收获。举例来讲,在1.1.4节“数据产品衡量”中,我们提到“准确性是数据产品的根本”,这个“根本”的重要性会体现在产品的设计流程上,会有各种工具来保证数据的准确与统一,如指标字典和数据血缘等;也会体现在人才的招聘上,如重点关注候选人对数据质量的看重程度等。
1.2数据产品详解
从1.1.3节我们了解到常规的数据产品有三种类型:用户数据产品、商用数据产品及企业数据产品。在这一节里,我们将详细介绍它们的设计思路及优秀的代表产品。在提供广阔知识面的同时,也希望帮助产品经理们了解数据行业的全貌,知道其各自应用的场景和公司,从而能够在职业选择上或者为公司选择数据产品时,更有方向性和洞察力。
1.2.1用户数据产品
在三类数据产品中,用户数据产品是普通用户接触最多也是最容易的一类,因此,我们先从用户数据产品讲起,为大家展现数据产品的独特魅力。
根据数据来源,可将用户数据产品细分为指数型、统计型和生活型。这三类产品的区别见表1-1。
表1-1三类用户数据产品的比较
数据类型
数据来源
应用场景
是否付费
举例
Google Trends、百度指
指数型
企业自有数据
分析社会趋势
免费
数、微指数
企业爬取数据或
分析行业或产品
基本功能免费
SimilarWeb、七麦数据、
统计型
者与数据来源合作具体趋势
部分高级功能收费2020年的疫情数据地图
生活型
用户数据
提高生活便捷性
免费
LifeCycle、网易有钱
下面针对三类用户数据产品进行具体介绍。
005
|数据产品经理:实战进阶|
1.指数型
指数型数据产品一般由企业利用自己的数据提炼出相应观点和洞察趋势,提供给用户分析使用,如Google Trends、百度指数、微指数等。这些企业往往自身拥有非常庞大的用户数据,可以据此得出整个社会群体对某个领域的关注度。
我们以图l-1中的Google Trends为例来说明指数型用户数据产品的设计和使用过程。Google是全球知名的搜索引擎,每天有数亿人在使用它搜索各方面的信息,能产生数十亿次的搜索请求。为了更好地发掘这些用户搜索数据的价值,Google在2006年推出了Google Trends。它的数据来自大量没有过滤的真实搜索需求,具备匿名化、分类化和聚合化的特点,因此人们能够依此探寻从全球到城市的每个区域的热点情况。它采用从2004年直到用户搜索那一刻的数据,涵盖范围非常广。
≡Google Trends
比较
●越南粉
●日本拉面
主量
●荞麦面
主把
变条
十添加比较项
全绿”
2004星今,
所有类别?
Google属页擅素,
热度随时间变化的势⑦
图1-1 Google Trends产品截图
指数型数据产品的设计精髓是“比较”,通过比较各种关键词在不同区域和不同时间段内的出现频次,形成热度的高低演化。Google会先将某关键词搜索次数除以与之相关的地域和时间段内的总搜索次数,实现数据标准化,落在0~100的区间内。同时Google会过滤掉由少数人发起的搜索请求、重复搜索和一些特殊字符,以保证指数的呈现质量。可以看到,指数并非全面反映搜索
006
···试读结束···
作者:褚玲
链接:https://www.58edu.cc/article/1614862281693241346.html
文章版权归作者所有,58edu信息发布平台,仅提供信息存储空间服务,接受投稿是出于传递更多信息、供广大网友交流学习之目的。如有侵权。联系站长删除。