内容介绍
本书由京东资深数据产品经理撰写，重新定义了数据与产品和业务的关系，从数据分析方法、数据价值挖掘、数据结果倒逼业务优化3个层次，以及设计、运营和优化3个维度，为产品增长提供了科学的依据和方法论，得到了PMCaff创始人阿德、GrowingIO创始人&CEO张溪梦、增长官研究院创始人范冰、腾讯高级产品经理刘涵宇等专家的高度评价。
全书内容以理论为主线，以实操为目标，萃取技术实操与管理思维中的精华，形成相对完整的逻辑体系。
第1~3章是基础，讲解了数据分析及其可视化的方法，包括数据的通用“规则”、常见的数据分析模型，以及常用的数据统计图表。
第4~5章是核心，讲解了数据驱动的理念，以及数据驱动产品设计和运营的具体方法。
第6~9章是深化，进一步讲解了数据驱动的理念和方法在产品的整个生命周期的重要环节的应用。
第10章是拓展，介绍了在数据分析系统化、智能化的大背景下，在数据分析系统与分析团队的影响力等方面提供了一些建议。

京东资深数据产品经理经验总结
阿德、张溪梦、范冰、刘涵宇等专家　联袂推荐
从数据分析方法、数据价值挖掘、数据结果倒逼业务优化3个层次，以及设计、
运营和优化3个维度，为产品增长提供方法论

随着计算机技术和人类智慧的不断碰撞，互联网已经深深地改变了人们的生活方式。不仅在衣食住行方面，甚至在那些你根本想不到的领域，都出现了相应的互联网产品，帮助人们解决最切实的问题。
近些年，对于互联网产品的设计理念，也实现了几轮更新换代。移动端的APP逐渐代替了PC端的应用，成为了人们接触互联网最常用的形式。起初，由于可使用的APP数量很有限，所以在交互上的独到设计成为了吸引用户的重要因素之一。当时人们最关注的是APP上面的交互设计。也就是说，最早的互联网思维是建立在如何让用户更便利地使用某一款产品的功能之上的。
于是，做产品的人们花费了大量精力在产品的操作便利性和视觉美观度方面。但随着APP数量逐渐增多，APP在各类应用市场中的竞争也愈演愈烈。那些明显背离用户使用习惯的APP很快就被淘汰出局。留下来的APP已经逐渐形成了一套相对规范的交互设计方案。
当一切变得有章可循之后，设计风格和交互方式的同质化便开始出现，并且这些类似的设计方式都是经过了市场验证的、切实可行的方案。此时，想要在市场上再通过交互方式，创造出新的模式来吸引用户的眼球，已经变成了一件越来越难做到的事情。再加上随着各类应用市场中APP数量的激增，有限的用户群体被越来越多的产品所瓜分。产品的运营和推广，被提到了一个越来越重要的位置上。
对于最开始的运营工作，人们能够想到的是花费资金，占领更多的推广渠道；并且在每个渠道上铺陈更多的推广内容。随之而来的是一个全新的产业链，要控制那些优质的渠道资源，势必会有越来越多的产品加入其中。但是在这种高速的繁荣背后，互联网行业中的每一个参与者都承受着前所未有的巨大竞争压力。
很快，人们已经不能再像之前那样大张旗鼓地挥霍资金、人力和物力，粗犷地发展自己的产品和业务，而是开始寻求更加精细、高效的方式来让用户接触、使用并喜欢上自己的产品。人们开始精细地关注每一个推广渠道带来的效果，同时意识到要对自己产品中的用户及内容的细微变化情况进行监控。特别是在互联网开始进入金融领域之后，产品的变化都对应着真金白银的变化，这更给精细化的产品设计和运营工作提出了高标准、高要求。
在这个过程中，数据——这个既精准又客观的东西，成为人们实现“精细化”的重要工具。一方面，人们希望从正在进行的业务中不断获得需要的数据，并对其进行分析，以评价当前产品和业务的状态；另一方面，人们又希望通过分析得到的结论，形成针对产品设计和运营策略的优化方案，并最终优化产品和业务。这是理想中的“数据参与产品和业务相关工作”的完整流程。
在数据受到更多关注的过程中，有不少分析方法或指导框架开始出现。然而，当人们具体执行这项工作的时候发现，这一切并没有想象得那么美好，而是会遇到更多具体的问题。那些通过数据分析就轻松实现业务突飞猛进的事情，更多出现在已经经过简化和包装的经典案例当中。而在我们身边，不仅提高对数据的重视程度这件事难以推进，而且数据带来的实际优化效果也十分有限。
我们可以将数据应用的过程中可能遇到的问题归结为三大类。如果你正在做一些数据应用方面的工作，那么你面临的问题很可能就包含在其中：
第一，当我想通过数据进行分析的时候，却发现没有数据。如果你或者你的团队才刚刚开始关注数据的问题，那么这样的情况一定会发生。造成这种情况的原因有以下几种。
首先，在产品创建初期，更多的数据准备和应用是面向功能搭建的。大家没有更多的精力为后续的数据分析做更多的考虑，这就导致了一些重要的原始数据并没有被记录下来。
其次，有些数据虽然已经存在，但是不在你的管辖范围之内。它们可能属于公司内部的其他系统，甚至记录在第三方供应商的系统中。在这种情况下，我们就需要为获取这些数据而多费一些周折了。
最后，数据本身的质量存在问题，如数据上报得不完整、统计的口径不一致等。这些质量问题会导致已经有的数据无法使用，或者得到的结果存在严重偏差。
如果以上这些问题都解决了，接下来就比较简单了。我们只需要将现有的数据变成分析人员和决策者想要的样子——详细的统计报表或者直观的统计图。
第二，当我们为分析人员和决策者提供了他们想要的“数据产物”之后，紧接着就会出现另一类问题：如何让数据分析的结果更有价值？阅读报表和统计图的人开始对内容表示不满。起初他们可能会表示“图表的类型太少，因此能够表现的信息太少了”。但是很快，他们诟病的问题就会变成“这些图表太粗浅了，不能通过这些图表发现任何对决策有帮助的信息”。我们在这里提出一种简单判断数据分析工作有没有做好的标准，那就是在浏览数据分析结果的时候，读者需要在大脑中预先储备多少信息？需要预先储备的信息越少，那么提供的数据分析结果也就越有价值。至少，你的老板会这样认为。为了解释这个逻辑，我们会在书中专门深入探讨。
第三，如果前两个大问题还没有把你难倒的话，紧接着我们来看看另一个大问题：如何让数据分析的结果真正影响产品和业务？这个问题的解答，将会重新定义数据与产品、业务之间的关系。数据与产品、业务之间的关系本来就比我们想象的更加贴近。想要真正让数据分析的结果对产品和业务产生影响，我们就需要用产品的语言、业务的语言来描述数据，不仅要把数据分析的结论变成需求，更要把它变成一款产品、一项业务。通过这样的方法，我们将使静态的产品和业务变成动态的。
针对数据分析方面的问题，市面上已经出现了许多书籍来帮助读者解决。针对第一类问题和第二类问题的书籍最多，它们帮助读者深入了解数据的逻辑，以及在数据分析时需要具备的思维方式，并提供相应的案例和常用工具帮助读者快速上手。
而第三类问题，则是在业务不断丰富、深化，计算机技术不断强大、成熟之后，逐渐衍生出的面向数据的产品管理问题。
如何更好地解决这三类问题，尤其是第三类问题，是写这本书的重要初衷，本书的内容就是主要围绕如何更好地解决第三类问题而展开。
目标读者
本书的目标读者可以分为三类。
1.?产品经理、产品运营、希望推行数据思维的管理者
在产品设计和运营的工作中，产品经理和产品运营的同学们绝对是主角。对数据感兴趣，也认同数据对产品的作用，却缺少方法来实现数据应用，这也许是你正在面临的问题，而本书就意在提出一个相对通用的思路，以帮助团队在数据应用和产品优化上找到结合点和方向。
2.?数据分析师、研发工程师
在数据应用的过程中，数据分析师的角色是必不可少的。并且，在从原有的数据分析方法向数据驱动方法演进的过程中，数据分析师自身的工作也会有所调整。提前了解这些系统调整，对分析师个人的职业选择和发展也会有所帮助。而在数据驱动方法的思路中，由于我们把“更好的产品”定为最终目标，因此，实现产品的研发工程师们也需要参与其中。本书同样会阐释为了实现数据驱动产品优化，需要在工程上注重哪些思路的调整。希望这些调整建议能够对工程师们有所帮助。
3.?其他对数据感兴趣，并希望借助数据力量的人群
数据由来已久，有些行业很早以前就开始注重利用数据，而有些行业则起步较晚。不管怎样，数据正在展现出越来越强的力量，也越来越被人们所重视。因此，就算你不是互联网相关行业的从业者，数据也是你实现发展的有力工具之一。通过本书的介绍，你能更好地借助数据的力量，实现自身和组织的成功。
目录结构
本书共分为3篇。
第1篇（第1～3章），讲解数据的基本逻辑，作为与人们熟知的“数据分析”方法之间的衔接和过渡。
第1章，主要介绍了在数据上通用的规律，本书将数据比喻成“拼图游戏”，并阐释了“比较”这种技术在数据应用中的重要地位。
第2章，列举了数据分析方法中最常见的分析模型，以及模型背后的逻辑。这些模型将被沿用到数据驱动方法中，因此，我们有必要提前了解它们，特别是它们背后的分析思路和逻辑。
第3章，列举了在数据分析方法中最常用的统计图。这些统计图是数据可视化最基本的工具。在数据驱动方法中，它们不再是数据应用过程的最终产物，但是当我们要表明类似的逻辑关系时，仍然要用到这些统计图。
第2篇（第4～9章），讲解了从数据驱动方法的特点、方法的搭建，到这种方法具体落实到产品设计和运营工作中的完整过程。这一篇是本书最重要的内容。
第4章，提出了在数据应用上团队会经历的三个阶段；介绍了数据驱动方法与数据分析方法的区别，以及在实施数据驱动方法之前，团队需要做的准备。这一章的论述，将突出数据驱动方法的核心理念。这种理念将会贯穿后面的章节，成为整个数据驱动方法的基石。
第5章，主要介绍了数据驱动方法在产品设计和运营方面应用的整体情况。
第6章，主要介绍了如何借助数据驱动方法，对产品需求进行优化，包括通过数据收集需求的方法，以及如何通过数据提前“演练”需求被实现的状态。
第7章，介绍如何把需求整理为业务逻辑。本章将讨论如何用数据的方式梳理业务逻辑，并且通过数据提前验证这种业务逻辑。
第8章，讲解业务逻辑明确之后，如何针对业务逻辑设计具体的产品交互实现。
第9章，产品不是完美的，运转起来之后，总会出现各种各样的问题。此时，就需要加入运营工作了，以便对产品进行优化，使产品向着预想的方向发展。在这个过程中，数据将会辅助运营工作，指导运营的方向并形成反馈。
第3篇（第10章），讲解了发展数据应用方面的几种常见策略，以及如何让自己的数据发展布局更有效，并对未来的数据形态提出猜想——未来的数据将会变成什么样子？还讲解了团队在对内与对外两个方面，如何构建自己的数据影响力，以及在数据资源上，如何形成适合自己的布局，找到自己的定位。
致谢
本书是由作者对互联网产品、团队和数据的切身体会和思考灵感汇聚而成的。其中不少灵感来自身边的师长、领导、同事和朋友。因此，特在此感谢师长过往的教诲，为我传道受业、答疑解惑；感谢领导和同事，给我磨练和施展自己能力的机会和环境；感谢身边的朋友，使我拓宽视野，获得丰富的参考信息。
还要特别感谢我的家人为我提供的舒适的生活环境，使我能有余力完成本书。
勘误
对于书中纰漏及不当之处，欢迎批评指正。联系方式：laurieliyang@163.com。

计算机\网络

阿德　PMCaff创始人兼CEO
数据在产品从设计到运营的整个生命周期内，发挥着越来越重要的作用。李阳是PMCaff的产品专家，他的这本书从数据的视角出发，提出了“面向数据的产品管理”“产品运营和数据分析等角色应该参与产品的早期设计”等观点，完整地梳理了数据驱动思维在需求分析、业务分析、产品设计和运营等多个产品环节中的作用，并分别提供了相应的思考工具，使得各个过程能通过数据融会贯通，达到协调一致的效果。对于产品经理、产品运营人员、数据分析师以及产品管理者来说，这本书能提供很有价值的参考。

张溪梦　GrowingIO创始人&CEO
自2015年回国创办 GrowingIO 以后，非常高兴看到行业内对数据分析的认知、理解和实践日渐深刻，并在流量红利消退后，数据驱动成为产品和用户增长的必备能力。
很高兴看到像李阳这样既有产品增长的大量实践，又有科学和系统方法论的 Growth 大牛们，将自己对数据和增长的宝贵前沿经验总结成文分享，为我们带来新的数据思维，帮助我们更快推动数据驱动增长的落地。推荐大家阅读，希望大家能将增长思维渗透到产品和运营工作的每个环节，创造更多的业务价值。

范冰 《增长黑客》作者/增长官研究院创始人
作为一名企业的增长负责人，最重要的思维就是数据思维，一切工作都是建立在数据分析的指导之上。产品的功能逻辑越复杂，用户数量越庞大，数据分析的成本和要求就越高，这就越要求在纷繁复杂的数字中抽丝剥茧，抓住问题的本质。数据驱动既是一种科学，与商务智能、数据挖掘、联机分析处理、机器学习等行业概念密不可分，同时也是一种艺术，需要在技术、想象力、经验和意愿的综合因素中寻求平衡和融合，其最终目的是解决业务的问题，从数据中获得智慧。本书是作者实战经验的系统化输出，对于如何依靠数据驱动增长有着自成一体的解释系统，值得一看。

刘涵宇　腾讯高级产品经理/《解构产品经理》作者
随着互联网产品和技术越来越成熟，互联网与传统行业与每个人的生活都结合得越来越紧密，数据的重要性也越来越凸显，数据分析早已成为产品经理的必备技能之一。而将工具属性的“数据分析”，升华为思维属性的“数据驱动”，并融入产品经理的日常工作，指导产品设计、运营和优化，则是一个优秀的产品经理成功的关键。《产品增长力》这本书，从基础的分析方法和数据指标开始，带你一步一步深入地理解数据、用好数据，从而做好产品，特别适合当前复杂环境下的产品经理阅读。

李阳 著：李阳（笔名：“御豪”）
资深数据产品经理，2015年获得PMI Agile Certified Practitioner认证，2016年获PMCaff产品经理社区“年度最受欢迎作者”。现任京东金融数据产品经理，目前专注于业务系统逻辑和数据分析领域。
对经济和金融领域有较深入研究，历经宏观经济数据的存储与维护、“TB级”量化投资数据分析及策略平台搭建、个人用户投资及理财数据分析、BI数据分析平台搭建等项目。对宏观经济、P2P、量化投资及个人用户投资领域的数据处理、分析过程，有系统、深入的理解。

前　言
第1章　数据的“规则”
1.1　数据的应用是一个“拼图游戏” 001
1.2　对比与比率 006
1.3　本章小结 011
第2章　常见分析方法和指标详解
2.1　访问量与点击量 013
2.2　转化率与漏斗模型 017
2.3　用户画像与用户分群 020
2.4　产品推荐与精准营销 025
2.5　广告投放与商业变现 029
2.6　本章小结 033
第3章　常见的统计图
3.1　基本统计图 035
3.1.1　条形图 037
3.1.2　饼图 039
3.1.3　折线图 040
3.2　其他重要统计图 041
3.2.1　散点图 042
3.2.2　堆积图 043
3.2.3　复杂的饼图 046
3.3　本章小结 047
?第4章　搭建数据驱动
4.1　数据分析≠数据驱动 048
4.2　数据应用的阶段 055
4.2.1　数据展示：展示自动化 057
4.2.2　数据分析：分析自动化 066
4.2.3　数据驱动：驱动自动化 073
4.2.4　大数据在哪？ 079
4.3　建立数据驱动的基本任务 080
4.4　本章小结 083
?第5章　数据驱动的产品设计和运营
5.1　数据驱动的产品思维 084
5.1.1　业务和产品认知 085
5.1.2　建立产品的“数据原型” 090
5.1.3　良好的技术架构和实现 097
5.2　数据驱动与产品工作 101
5.2.1　数据与产品需求 104
5.2.2　数据与产品业务 109
5.2.3　数据与产品功能交互 114
5.2.4　数据与产品运营 120
5.3　从执行者到管理者 125
5.4　本章小结 126
?第6章　数据之上的需求
6.1　优化的需求分析法 127
6.2　获得数据支持 132
6.2.1　设置内部埋点 132
6.2.2　获取外部数据 136
6.3　用数据定位需求 140
6.4　本章小结 146
?第7章　数据之上的业务
7.1　用数据保证业务 148
7.2　客观条件的量化 149
7.3　用数据监控业务 153
7.3.1　制订业务目标 154
7.3.2　达到目标的过程 156
7.4　本章小结 159
?第8章　数据之上的功能和交互
8.1　用数据思考功能 162
8.2　用数据实现功能 167
8.3　本章小结 171
?第9章　数据之上的运营和优化
9.1　运营要解决的问题 174
9.2　梳理运营流程 175
9.3　本章小结 178
?第10章　数据平台的定位和布局
10.1　数据平台产品的定位与发展 179
10.2　几种布局策略 184
10.2.1　数据源布局 185
10.2.2　传输接入布局 189
10.2.3　存储和计算能力布局 192
10.2.4　可视化布局 196
10.3　团队中的数据应用发展 201
10.4　本章小结 205
?后　记　未来一瞥：有灵魂的数据