内容简介
这是一部全面讲解数据产品经理核心知识体系的著作。12位作者大多来自国内的知名企业，涉及不同的行业，让本书拥有了更广泛的视角，能帮助读者从不同的角度去了解数据产品经理如何在数据、产品、运营、市场等多个方面产生价值。本书的最终目的是让读者全面了解数据产品经理的工作内容、系统掌握数据产品的核心知识体系，快速实现从入门到进阶的突破。

全书一共11章，重点讲解了数据产品经理应该掌握的11个核心知识点，可以概括为四个部分。
第一部分 基础知识（第1章）
首先介绍了数据产品的定义、组成、分类，其次介绍了数据产品经理的分类和能力模型，最后介绍了数据产品经理的招聘、应聘和面试。
第二部分 通用能力（第2~3章）
讲解了数据产品经理应该具备的数据分析能力和项目运作能力（产品路线图）。
第三部分 数据管理（第4~9章）
依次讲解了数据埋点、数据中台、数据指标体系、A/B测试、数据管理、数据服务等知识点，涵盖数据采集、治理、应用、能力输出的整个链条。
第四部分 策略产品（第10~11章）
重点讲解了搜索系统和用户画像等策略产品相关的知识。

12位来自各行业的资深数据产品人的实战经验总结，阿里、京东、字节跳动、网易、快手等企业的9位专家推荐
全面讲解数据分析、数据埋点、数据中台、数据指标体系、数据管理、数据服务、用户画像等11大数据产品知识体系

为什么要写本书
本书诞生于数据产品经理社群。
四年前，我开始在知乎上写关于数据产品经理的专栏，几个月间就有几千名读者关注我、加我微信，于是我就建立了数据产品经理的微信群。
很多人在群里问，有没有一本可以让数据产品经理系统学习的书？
市面上并没有这样一本理想的书，问的人多了，我决定自己写一本。
考虑到数据产品经理种类众多，而个人经历只涉及其中的一类，于是我在群里召集大家一起写。
响应者众，有20多名数据产品经理报上来30章内容，超出了我的预期。而我与他们逐个沟通之后，发现每个人手里都有足够好的项目，且在自己的领域内也有足够深的资历来传播经验。
于是我们与机械工业出版社华章分社的策划编辑杨福川商量，决定出两本书：一本讲专业知识，定名《数据产品经理：实战进阶》；一本讲案例，暂名《数据产品经理：解决方案与案例分析》。
读者对象
数据产品经理：完善数据知识体系，规划职业成长路径。
企业领导者：了解数据团队如何在数据、产品、运营、市场等多个方面产生价值。
想要转行数据产品经理的新手：了解数据产品经理具体的工作内容。
本书特色
本书系统讲述了数据产品经理需要掌握的高阶知识。
本书有多位知名公司的数据产品经理参与，读者可以体会到在不同的公司中数据是如何发挥价值的。
如何阅读本书
数据产品经理是个年轻的职业，是伴随大数据技术的成熟而诞生的。数据产品经理的职责是围绕数据构建解决方案，从获取数据的埋点到数据治理，从数据提取到数据可视化，从数字营销到广告，从搜索到千人千面的推荐，从风控到规划，从预测到AI。产品经理的主要能力是产品思维的构建、用户体验和系统功能的综合掌握，而数据产品经理则不仅需要以上能力，还需要对数据有更专业的认知，对业务有更深刻的理解。对于上述每一个数据领域，数据产品经理都需要花费一定的时间深耕才能掌握，再结合对相关业务的深刻理解，才能让数据发挥最大的价值。
在三四年处理众多问题和解答咨询的过程中，我发现数据产品经理的成长主要分为以下两个阶段。
1）初级/中级阶段：主要关注自己怎样才能在团队中发挥更大作用。很多产品经理要么是在满足业务或老板的需求，要么是在帮算法工程师标数据，价值感不足。
2）中级/高级阶段：主要关注怎么让数据为公司业务创造价值。
本书的每个作者都已经跨越了上述两个阶段，他们是这个行业的中坚力量，也愿意为这个行业奉上自己的经验与思考。
《数据产品经理：解决方案与案例分析》一书，主要以案例的形式回答数据产品经理在第二个阶段关心的问题，每个案例都是业内非常好的项目，给公司带来了较大的收益。
而《数据产品经理：实战进阶》这本书，旨在帮助读者构建数据产品经理的知识结构，渡过第一个阶段。
1）为了让读者进一步了解数据产品经理，我们提供了数据产品的行业视野、产品经理自身的能力要求以及应聘和招聘流程（第1章）。
2）为了让读者成为团队的驱动力，我们提供了通用能力模块，包括数据分析能力、产品经理的项目运转能力（第2、3章）。
3）仅数据部门使用数据无法做到数据驱动，只有让公司的每个部门、每个人都能方便快捷地使用数据做决策，才算是数据赋能，才能够极大提升整个公司的数据水平—而这需要良好的数据建设能力。所以，我们介绍了从数据采集到数据治理、应用、能力输出整个链条的内容。
数据采集：埋点体系（第4章）。
数据治理：数据中台、指标体系、数据管理。数据治理是数据建设的基础，所以我们用3章（第5、6、8章）来介绍这一部分。
得到不同用户的反馈，有助于快速迭代：A/B测试系统（第7章）。
数据能力输出，将数据赋能于各个部门：数据服务（第9章）。
4）策略产品可以直接将数据变现，是个非常重要的数据产品方向，我们提供了搜索、用户画像（第10、11章）等常见的策略产品知识。
不同的公司对数据的要求不同，有些公司更关注直接进行数据变现的能力，有些公司则更关注数据建设的能力。那一个新手要不要了解这么多内容？
这里提供一个做事的思路：不要自我设限。你只有先留意了这些内容，才会对公司的数据现状进行思考和认知积累，才能知道公司的数据中藏有哪些机会。
产品管理的主动权应该是产品经理自己争取来的，而不能等待别人给你。在你去争取时，我们希望本书中的内容是你最好的武器。
作者分工
本书共有12位作者参与撰写，具体分工如下：
第1章　全面认识数据产品经理——陈新涛、朱诗倩
第2章　数据分析方法论——杨楠楠
第3章　产品路线图——俞京江
第4章　数据埋点体系——李凯东
第5章　数据中台——李凯东
第6章　数据指标体系——胡玉婷
第7章　A/B测试系统搭建——贺园、刘扬
第8章　数据管理——赫子敬、曹畅
第9章　数据服务——谷坤明
第10章　策略产品详解：以搜索系统为例——萧饭饭、李凯东
第11章　用户画像——萧饭饭、杨楠楠
勘误和支持
由于作者较多，水平有限，写作时间仓促，加之技术不断更迭，书中难免会出现一些错误或者不准确的地方，恳请读者批评指正。如果你有更多宝贵意见，欢迎发送邮件至yfc@hzbook.com。
致谢
非常感谢我的11名合作者，他们在百忙的工作之余，牺牲自己的休息时间，辛苦写作。
感谢机械工业出版社华章分社的策划编辑杨福川，在这半年多的时间里始终支持我们写作，对本书的架构和写作提出宝贵意见。
感谢项目经理徐湲策—同时协调两本书的20位作者是件非常辛苦且琐碎的事情。在项目启动后的前半个月，我几乎都在协调，没有时间写书，可见这份工作实在是占用时间和精力。于是我在群里寻找项目经理，小徐主动站出来承担了这个任务，并展现了他在项目管理方面的专业性。
感谢参与本书试读的多名志愿者，他们提出的宝贵意见对提升本书的质量有很大帮助，他们是黄宇、梦婷、范昱辉、王资涵等。
感谢数据产品群千余名成员，大家的讨论和分享很有价值。
谨以此书献给数据产品经理路上的前行者！

杨楠楠　　
2020年8月

每类产品经理都有自己擅长的武器，有人善于交互体验，有人偏好技术钻研，有人专注于商业模式，还有一类产品经理数据思维特别强，对数据信息的发生、传递、价值特别敏感，因此他们把数据作为自己改变世界的武器。本书系统介绍了什么是数据产品以及数据产品经理需要哪些专业技能。通过阅读本书，你可以快速了解什么是数据中台、什么是指标体系、什么是数据服务应用。希望它可以带你进入数据的世界，掌握数据这把武器。
—任寅姿（影姿）　资深数据产品专家/数澜科技创新事业部总经理

数据产品经理是一个“年轻”的职业，但却承载了所有“古老”的难题—从业务的可持续增长，到企业自身的降本增效，再到建立业务和技术上的竞争壁垒等。这样的职业使命为数据产品经理带来了多样的发展方向和复杂的成长路径。本书几乎能满足你对数据产品经理职位的所有渴望，既有概念讲解和求职指南，也有通用的方法论，当然，也少不了对时下流行应用场景的详细拆解。如果你正准备深入学习数据产品经理的相关知识，那么这本书是个不错的选择。
—李阳　京东数科高级数据产品经理/
《数据产品经理宝典》《产品增长力》作者

在产品演进的过程中，数据扮演的角色越发重要。无数据，不智能，画像、搜索、推荐在产品的后续迭代中甚至都成了标配能力，产品和运营的决策都需要数据做支撑。在搭建产品数据架构的过程中，有很多坑要踩，而市面上并没有好的学习资料，我之前只能盲人摸象，与研发团队一点点在实践中整理出方法论。本书的作者们将自己的经验抽象和提炼出来，提供了很好的辅助和指引，能让读者在开始搭建产品的数据服务时就从长远考虑，从而省去很多不必要的摸索过程。
—李明骏　字节跳动AI产品经理

IT文化

刘飞　阿里巴巴高级产品专家/《产品思维》《从点子到产品》作者
数据处理能力正在成为产品经理的必备技能，许多产品经理都是以战代练，在实际工作中抓紧补课。这本书提供了一个相对全面和完整的学习思路，颇有启发性，可供参考。

张亮 《从零开始做运营》作者/80分运营俱乐部创始人
这是一本非常有趣且干货满满的书。首先，它诞生于社群内的需求，与数据工作中的“反馈—洞察—测试”的思路不谋而合；其次，它不仅可以为1~3年的初级数据产品经理提供帮助，也可以为需要与数据打交道的其他互联网工作者提供学习和思考的空间。

陈璐　转转联合创始人及产品副总裁
“用数据说话”“数据驱动”似乎已经是人人皆知的老生常谈，然而在实际的工作中，真正能读懂数据、读对数据，能基于数据有所洞察进而做出高水准决策的人并不多。学习正确分析和应用数据的科学方法，打下良好的数据基本功，对所有岗位的产品经理都非常重要，对于希望理解并具备产品思维的人也会有很大的帮助。

何方　京东数科海外技术交付部总监兼Livi Bank（香港）CTO
本书是数据产品经理方面不可多得的一本好书，不仅很好地讲清楚了数据产品经理需要了解的概念、常识、技能和技巧，还通过丰富的实例对这些知识点做出了深入浅出的讲解，让读者知其然，亦知其所以然。

程力　网易有道资深产品经理
理解产品的数据价值并借助它进一步完善产品，甚至发现新的机会，会让我们在工作中更加游刃有余。正如本书作者们所说，产品管理的主动权应该是我们自己争取来的，而不能等待别人给予。本书系统梳理了数据产品的知识体系，并提出了“采集、治理、应用、赋能”这样一个数据产品价值模型。

杨楠楠 李凯东 陈新涛 萧饭饭 等著：杨楠楠
资深数据产品经理，擅长数据分析，为多家世界500强公司提供数据分析服务，能在数据、产品、运营、市场等多个方面发挥数据价值。擅长策略产品，在广告、电商等领域有较多经验，为多家厂商提供流量变现服务。维护有数据产品经理的知乎专栏和社群，本书的合作者全部来自专栏的粉丝。
李凯东
某视频媒体的大数据负责人，前京东数据中台应用数据平台部负责人、京东商城算法专家委员会核心委员，阿里天池数据科学家。京东研发最高成就奖项“杰出成就奖”获得者，在京东期间曾主导智慧营销，单条产品线GMV增长数十亿；创办京东大数据比赛平台JData，并成功举办全世界最大的单体大数据比赛。有9年创业经历，在社交、电商、O2O等领域有多年经验和深刻见解，公司于2014年以4000万估值被收购。
陈新涛
58转转前数据总监、美团外卖首任数据负责人，拥有多年数据产品及分析经验，擅长带领团队搭建企业级数据中台，以及结合企业战略分析数据并提供增长策略。曾负责从 0 到 1 搭建美团外卖数据平台，其中智能业绩系统为外卖事业部赢得首个美团点评集团大奖。任转转数据总监期间，带领数据产品及分析团队，搭建公司数据中台，为各业务线提供分析支持，并连续两年培养出公司最佳员工，获得高管团队及合作方的高度认可。
萧饭饭
高级数据产品经理，擅长用算法解决业务问题。资深策略产品经理，从0到1负责过完整的搜索、推荐、个性化push及用户画像项目，并持续优化，曾打造亿级DAU产品策略。精通用户增长策略，尤其擅长C端产品的打磨和创新型功能设计，以提升新老留存为路径的增长模式。
胡玉婷
高级数据产品经理。原大数据公司的数据产品经理，在在线教育、内容文娱、电商、大数据等多行业具备丰富的数据产品经验，同时具备丰富的埋点设计和数据采集经验。拥有toB应用型数据产品及BI平台型数据产品经验，主导的数据产品辅助大中型公司进行宏微观决策，主导的大数据分析平台服务于亿级用户量app进行用户行为分析，toB付费数据产品市场占有额Top2。曾多次受到微软中国及微软美国总部表彰，全球技术项目中国区成员，参与过世界上最大的学生科技大赛中国区运营项目，2015年被美国微软总部表彰为“2014年度优秀MSP”，并长期享有MSDN最高级订阅。
曹畅
资深数据产品经理，曾就职于国内某大型智能语音技术提供商。主要研究企业数据标准建设与数据管理方法论，以及用户行为数据标准。曾主导制定某上市公司子公司的企业数据标准。

谷坤明
TMD互联网公司大数据平台数据产品经理。擅长智能BI类产品，曾提升数千名员工的数据应用效率，实现数据驱动业务发展的目标。擅长“数据服务”类产品，擅长全套指标体系搭建和可视化、服务化API接口的产品方案。拥有较丰富数据可视化经验，深度参与公司一站式数据消费应用平台。

俞京江
某知名地产集团金融事业群产品负责人。有9年互联网金融行业产品设计经验，多年产品团队管理经验，精通金融行业产品的业务流程及功能设计。独立负责过五百亿交易规模的App的版本迭代；独立负责过单日破亿交易额的营销活动，有丰富的用户增长和营销获客实战经验，善于搭建体系化的营销服务管理系统，包括精细化运营平台、自动化营销平台、SCRM等。

赫子敬
次元降维创始人，有8年数据产品和数据分析经验，曾在多家大型企业担任数据负责人，精通全栈数据链路和数据策略。滴滴现代交通安全数据奠基人，2016年帮助滴滴平台将安全事故降低20%，在技术方面实现重大突破；2018年全面负责爱奇艺AI产品线，帮助爱奇艺在内容制作、生产、分发环节全链路应用AI产品，大幅提升业务指标。

贺园
资深数据产品经理，曾在宜信、京东数科等多家知名互联网金融公司从事数据产品相关工作，擅长偏技术类数据产品的设计。曾负责从0到1搭建公司的A/B测试平台，标签和用户画像平台的设计，以及公司级数据资产管理系统的搭建。

刘扬
数据产品专家，曾就职于用友、唯品会，在数据采集与埋点、数据ETL、数据建模与分析、数据应用方面均有丰富的实战经验。先后做过搜索、推荐、算法、大数据平台、ABTest系统等不同形态的数据产品。精通SQL，懂Python及主流挖掘算法；擅长基于ABTest的数据驱动理论的价值挖掘和产品落地。
朱诗倩
曾任Google系独角兽公司数据科学产品线负责人，现任世界500强公司科技事业部数据负责人，擅长利用数据驱动业务增长，在集团跨业务板块数字化转型方面有独特经验。在教育、地产、金融领域拥有企业级数据产品和数据营销实战经验，多次完成从0到1产品体系和数据平台搭建。

赞誉
序一
序二
作者简介
前言
第1章　全面认识数据产品经理001
1.1　什么是数据产品001
1.1.1　数据产品定义002
1.1.2　数据产品组成002
1.1.3　数据产品类型003
1.1.4　数据产品衡量004
1.2　数据产品详解005
1.2.1　用户数据产品005
1.2.2　商用数据产品010
1.2.3　企业数据产品015
1.3　数据产品经理能力模型021
1.3.1　产品经理能力021
1.3.2　数据专业能力022
1.3.3　软能力023
1.3.4　不同级别的能力要求023
1.4　数据产品经理分类026
1.4.1　平台型026
1.4.2　应用型027
1.4.3　策略型028
1.5　数据产品经理的应聘与招聘029
1.5.1　如何应聘029
1.5.2　如何招聘031
1.6　数据产品相关案例035
1.6.1　商用数据产品研究案例——Domo035
1.6.2　数据产品经理面试案例045
第2章　数据分析方法论053
2.1　数据分析的基础流程054
2.2　有价值的数据结论055
2.2.1　什么是有价值的数据结论055
2.2.2　怎样得到有价值的数据结论056
2.2.3　得到数据结论的案例057
2.3　数据分析基础方法058
2.3.1　全链路分析058
2.3.2　组成因子分解061
2.3.3　影响因子拆解062
2.3.4　枚举法063
2.4　数据分析方法使用案例068
2.4.1　案例一：多种分析方法寻找增长点068
2.4.2　案例二：找到对公司有价值的需求点071
第3章　产品路线图078
3.1　制定产品战略目标079
3.1.1　产品愿景079
3.1.2　产品目标080
3.1.3　产品路线图082
3.1.4　产品迭代计划与任务083
3.2　收集并整理需求083
3.2.1　用户/客户反馈083
3.2.2　竞品分析084
3.2.3　销售人员和客户服务人员084
3.2.4　行业分析085
3.2.5　头脑风暴085
3.2.6　数据反馈086
3.3　确定优先级086
3.3.1　价值与复杂度模型087
3.3.2　加权评分087
3.3.3　KANO模型088
3.3.4　SWOT分析088
3.3.5　四象限分析法089
3.4　规划路线图091
3.5　我们是如何进行路线图规划的092
第4章　数据埋点体系096
4.1　数据埋点概述096
4.1.1　什么是埋点096
4.1.2　埋点的意义097
4.1.3　埋点的类型097
4.2　如何做好埋点098
4.2.1　目标收集098
4.2.2　字典管理100
4.2.3　埋点管理平台100
4.3　埋点技术102
4.3.1　JavaScript埋点102
4.3.2　App埋点103
4.3.3　埋点技术的选择104
第5章　数据中台105
5.1　数据中台是什么105
5.1.1　数据中台的由来105
5.1.2　中台的彷徨107
5.1.3　中台是一种企业战略107
5.1.4　中台是战略下的组织协同108
5.1.5　中台是技术与业务的综合体109
5.1.6　数据中台下的数据产品经理109
5.2　数据中台的产品形态110
5.2.1　统一指标平台110
5.2.2　统一标签平台111
5.2.3　可视化报表平台112
5.2.4　智慧营销平台112
5.2.5　数据中台产品的产品思维113
5.3　如何构建数据中台114
5.3.1　定战略114
5.3.2　改组织115
5.3.3　深业务117
5.3.4　做统一117
5.3.5　享服务120
5.3.6　业务评价下的数据中台120
5.3.7　黄埔军校式的数据中台122
第6章　数据指标体系123
6.1　数据指标体系的概念与价值124
6.1.1　什么是数据指标体系124
6.1.2　数据指标体系的价值125
6.2　数据指标的分类127
6.2.1　指标的类型127
6.2.2　数据指标的类型128
6.3　数据指标体系的建设136
6.3.1　数据指标体系设计原则136
6.3.2　数据指标体系建设的方法与步骤139
6.4　数据指标在各行业的应用150
6.4.1　电子商务150
6.4.2　内容文娱151
6.4.3　在线教育153
第7章　A/B测试系统搭建155
7.1　A/B测试简介155
7.1.1　A/B测试起源155
7.1.2　A/B测试特点156
7.1.3　A/B测试场景157
7.2　A/B测试流程158
7.2.1　试验需求洞察158
7.2.2　试验需求发起159
7.2.3　试验方案设计160
7.2.4　试验需求落实160
7.2.5　试验效果分析161
7.3　A/B测试系统设计161
7.3.1　A/B测试系统核心功能162
7.3.2　A/B测试系统设计方案165
7.3.3　A/B测试系统设计要点173
7.4　A/B测试案例分析175
7.4.1　奥巴马竞选总统175
7.4.2　商品详情页相似推荐176
7.5　A/B测试经验建议181
7.5.1　培养驱动文化181
7.5.2　自研或第三方工具182
第8章　数据管理183
8.1　数据的类型和主要特点183
8.1.1　数据的类型183
8.1.2　三类数据的主要特点和差异184
8.1.3　业务数据有数据管理吗185
8.2　主数据管理186
8.2.1　主数据管理概述186
8.2.2　主数据管理四要素188
8.2.3　业务输入191
8.2.4　主数据管理产品化解决方案192
8.3　元数据管理197
8.3.1　元数据管理概述197
8.3.2　元数据管理标准202
8.3.3　元数据管理解决方案206
第9章　数据服务215
9.1　数据服务概述215
9.1.1　什么是数据服务215
9.1.2　为什么要做数据服务216
9.1.3　数据服务的利益相关者218
9.2　基于标准指标的数据服务219
9.2.1　API服务220
9.2.2　API服务的用户路径223
9.2.3　指标池服务223
9.3　基于Hive表的数据服务224
9.3.1　可视化模式224
9.3.2　开放平台自定义SQL模式224
9.3.3　两种数据服务的对比226
9.4　相关问题226
9.4.1　局限性与挑战226
9.4.2　数据内容227
9.4.3　公共维度228
9.4.4　选表逻辑229
9.4.5　数据安全230
9.4.6　权限控制230
9.5　数据服务构想231
第10章　策略产品详解：以搜索系统为例233
10.1　策略产品经理的前世今生233
10.1.1　策略产品经理定义234
10.1.2　策略产品经理的思维体系235
10.1.3　一个策略产品的小需求236
10.2　策略产品经理常用思维方式和分析方法237
10.2.1　策略产品经理常用的思维方式238
10.2.2　策略产品经理常用的分析方法241
10.3　如何维持搜索系统的迭代和运转245
10.3.1　从整体架构入手245
10.3.2　从用户需求入手254
10.3.3　从具体问题入手256
10.3.4　从业务发展入手257
10.4　搜索产品案例实践257
第11章　用户画像263
11.1　用户画像概述263
11.1.1　用户画像的基本概念264
11.1.2　标签的类型265
11.1.3　标签生命周期管理266
11.2　用户画像从0到100的构建思路267
11.2.1　用户画像从0到1的构建思路267
11.2.2　用户画像从1到100的构建思路271
11.3　单个用户标签的做法274
11.3.1　用户标签的生产流程概述274
11.3.2　不同公司的标签生产重点276
11.4　标签案例一：算法标签的一般生产流程277
11.4.1　标签定义分析278
11.4.2　用户行为获取（特征探查）278
11.4.3　模型设计279
11.5　标签案例二：加入内容标签的用户标签生产流程281
11.5.1　标签定义分析281
11.5.2　内容标签制作282
11.5.3　用户标签模型设计289
11.6　用户画像的效果验收292
11.6.1　算法指标验收292
11.6.2　分布验证292
11.6.3　交叉验证293
11.6.4　抽样评测293
11.7　做好标签系统需要注意的事项294
11.7.1　做好标签系统的MVP测试机制294
11.7.2　时间在用户标签中的用法296
11.7.3　问题解答297
后记　一个老数据人的杂谈299