寫給數據產品經理新人的工作筆記

陳文思 （Viola Chen），數據圈非著名“大表姐”，應用統計學及應用心理學雙向專業背景。
以網站分析師入行，從業十年間從數據採集到指標體系，從數據集市到數據分析、數據運營等方向均有涉及，一直企圖以一己之力完成數據應用鏈路的完整串聯，結果變成了一個填“坑”小能手（或者叫：數據產品經理）。
曾就職於凡客誠品、汽車之家、理想汽車、美團點評。
個人興趣飄忽不定。德云社15年“鐵粉”，思維極端發散。
近期致力於手繪、古典吉他、爬山、算法相關的數據結構設計等。

第1部分
第1章成為數據產品經理：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 新人的困惑/ 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產品經理——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產品經理——從具體到抽象/ 010
1.3.1 從數據技術轉型的困惑/ 010
1.3.2 從數據技術轉型的關鍵點/ 011
1.4 從其他產品經理轉型做數據產品經理——從信息到數據/ 014
1.4.1 從後台產品經理轉型做數據產品經理/ 014
1.4.2 前端產品經理也能轉型做數據產品經理/ 016
1.5 工作筆記：數據產品經理技能樹/ 016

第2章數據產品經理和其他角色的關係
2.1 角色之間的關係和他們面對的問題/ 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/ 輸出/ 022
2.2 你的用戶是誰：數據產品的“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 從平台到中台/ 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 識別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/ 04
3.2 避免做太多臨時的事——需求沉澱/ 042
3.2.1 和大家達成一些合作共識/ 042
3.2.2 信息記錄和信息反饋/ 045
3.2.3 不停地回顧——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 充分描述歷史數據/ 052
3.4 工作筆記：一個需求溝通框架/ 052

第4 章指標體系搭建
4.1 指標體系/ 054
4.1.1 什麼是指標體系/ 054
4.1.2 指標體系如何描述業務/ 056
4.1.3 案例：某媒體網站的指標體系搭建/ 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——報表很重要/ 065
4.3.1 從寬表到報表/ 065
4.3.2 從頂層監控到多維度拆分/ 070
4.3.3 迭代和反饋機制/ 070
4.4 工作筆記：一個指標體系的產品化方式/ 071

第5 章Excel 是最完美的數據產品
5.1 Excel 常用功能盤點/ 076
5.1.1 重點函數和動態圖表/ 078
5.1.2 數據透視表和數據透視圖、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 迷你動態模板開發實戰/ 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 通用報表工具/ 108
6.1.2 數據治理工具：維表、數據質量管理/ 112
6.1.3 自助查詢和開發類工具/ 116
6.2 可視化平台設計/ 118
6.2.1 可視化平台結構的分類/ 119
6.2.2 不同圖表類型的作用和數據源結構/ 120
6.2.3 可視化平台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：一個數據產品的PRD 結構/ 141

第7 章數據應用和第三方平台
7.1 數據應用產品/ 143
7.1.1 多版本測試及其工具/ 144
7.1.2 用戶畫像和用戶標籤/ 150
7.1.3 策略庫的形成和數據閉環/ 151
7.2 第三方平台產品/ 153
7.2.1 DMP 到底是什麼/ 154
7.2.2 類似神策、GrowingIO 等平台的優勢和適用範圍/ 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 報表的本質：描述性統計解決日常90% 的問題/ 162
8.1.1 隨機變量的分佈/ 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別/ 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 假設檢驗過程代表著一種思維方法/ 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 章必須了解的數據技術基礎知識
9.1 數據平台存在的形態：數據平台基礎架構/ 175
9.1.1 了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：數據採集和數據同步/ 179
9.2.1 用戶行為採集：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 了解主流“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 的出現/ 187
9.4 產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 團隊裡存在的技術棧，要知道它們的原理和難度/ 188

第10 章不得不說的“坑”和紅線
10.1 直面數據質量問題/ 190
10.1.1 統一名詞庫的必要性和困難/ 191
10.1.2 第三方系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 數據平台的內功修煉和麵向業務的輸出很難平衡/ 195
10.2.1 面對刷數、遷移、反復校驗的每一天/ 196
10.2.2 千萬不要企圖做“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 數據產品經理能為數據安全做什麼/ 200