数据增长模型：数智时代的全栈产品运营思维、算法与技术

本书以在数字化背景下，数据产品从业者的数据技术、数据技能、数据思维、数据方法、数据模型、产品用户 客户增长实战经验为基调，体系化撰写了数字化和数据产品的数据经验知识和案例。随书附赠丰富的原始数据和源代码，方便读者对数据分析案例进行实操练习。
本书内容全面，结构完整。首先，讲解了数据指标体系搭建和数据埋点案例；然后按照细节讲解数据分析流程、数据采集方法、数据挖掘整体方法；紧接着通过实操案例讲解了的数据产品工具，如EXCEL、Python、SQL、Anaconda、AB测试等工具，驱动数据增长的实战模型，如ARIMA、AHP、LTV、AARRR等，以及数据仓库和大数据平台的搭建方法；最后讲解了数据中台和数据安全、数据智能应用场景、用户增长实战案例。
本书适合数字化市场下的数据产品从业者阅读，主要读者人群包含数据产品经理、数据运营人员、数据产品技术人员、数据领域创业者和相关专业的学生。

连诗路，阿里早期创业产品团队成员，爱奇艺奇秀视频直播高管，艺龙旅行网高管，上海路奇公司CEO。做过项目包括：阿里巴巴人工智能大脑、爱奇艺人工智能推荐、数字新零售美邦OMO（线上融合线下）产品从0到1；柔宇集团智能硬件，小米AIoT项目咨询顾问。 人人都是产品经理专栏作家，LineLian 专栏阅读数过100万。

适读人群 ：数据分析、数据工程爱好者，数据岗位产品经理和运营人员
1.阿里巴巴、美团点评、腾讯、滴滴等数据产品案例，更有实例展示阿里、腾讯的数据产品团队与企业文化，阿里、腾讯数据产品经理的一天工作，阿里、腾讯数据产品经理面试流程与求职经验。既有大公司的数据产品经验案例也有创业团队的经验总结。
2.“道”与“术”。本书不仅有道的层面展示丰富数据产品经理思维方法内容，不仅仅要懂产品层面的数智化需要整体产品团队、技术团队、运营团队有数字化的思维文化，还要懂术的层面支持大量数据分析的新工具流程和数据挖掘的新工具新技术，既在道的层面产品思维方面强调数据产品的思维方法，亦在术的层面也进行了数据产品实操。

第 1章 抓住数据增长波段
1．1 数据增长发展阶段014
1．2 数据增长新窗口016
1．3 数据增长待解决的三大产品需求问题018
1．4 3步帮公司从0到1跟上数字化步伐020

第 2章 制定数据增长指标体系
2．1 什么是增长型数据指标体系025
2．2 如何搭建指标体系027
2．3 评价指标体系原则029
2．4 如何计算指标030
2．5 案例：实操LTV用户增长生命周期
价值计算031

第3章 全面的数据分析流程
3．1 数据采集：源数据获取方法036
3．1．1 数据埋点：埋点获取数据036
3．1．2 案例：数据产品经理如何撰写PRD037
3．1．3 硬件获取数据：硬件传感器获取数据044
3．1．4 爬虫048
3．1．5 第三方渠道合作数据051
3．2 数据缺失处理方法053
3．3 数据可视化058
3．4 案例：数据分析全流程059

第4章 数据挖掘
4．1 数据分析与数据挖掘的关系068
4．2 数据挖掘的标准流程070
4．3 新手入门如何系统地学习实操数据 挖掘074
4．4 案例：数据挖掘077

第5章 实操必懂的数据分析工具
5．1 数据分析实战Excel080
5．1．1 常用的统计分析函数080
5．1．2 文本处理函数081
5．1．3 数值运算函数081
5．1．4 逻辑判断函数082
5．1．5 日期计算函数082
5．1．6 匹配查找函数083
5．1．7 多表合并函数084
5．2 Excel实操分析技巧084
5．2．1 Excel数据透视表084
5．2．2 描述性统计分析087
5．2．3 相关系数与协方差088
5．2．4 线性回归预测模型088
5．2．5 移动平均预测模型089
5．3 Excel可视化数据089
5．3．1 Excel基础图表可视化090
5．3．2 Excel高级图表可视化090
5．3．3 Excel合并报表091
5．4 实战使用SQL091
5．4．1 SELECT查询092
5．4．2 带有约束的查询093
5．4．3 过滤和排序查询094
5．4．4 使用JOIN的多表查询095
5．4．5 外部关联095
5．5 学会综合运用Python097
5．5．1 Python定义097
5．5．2 规划Python学习路径097
5．5．3 用Python可以解决什么问题098
5．5．4 新手学Python要准备什么098
5．6 安装Anaconda098
5．7 案例：用Python分析新零售100

第6章 巧用A B测试
6．1 打破传统的A B测试观念106
6．2 什么是A B测试106
6．3 系统地设计A B测试107
6．4 A B测试工具109
6．5 A B测试不一定是万能的109
6．6 案例：A B测试完整产品112

第7章 数据模型驱动增长
7．1 懂模型就是懂高级数据分析方法115
7．1．1 数据智能化趋势115
7．1．2 数据分析与高级分析流程117
7．2 ARIMA时间序列模型119
7．2．1 ARIMA时间序列模型定义119
7．2．2 ARIMA时间序列模型的运用流程120
7．3 AARRR模型121
7．3．1 AARRR模型定义121
7．3．2 搭建和计算海盗模型的思维方法和
案例128
7．4 AHP搭建风控模型129
7．4．1 AHP模型的含义129
7．4．2 AHP层次分析法实例130
7．4．3 AHP层次分析法小结133
7．5 RFM客户价值计算和分层运营模型134
7．5．1 RFM模型定义134
7．5．2 RFM模型计算方法流程案例135
7．5．3 RFM模型的意义137
7．6 LTV用户生命价值周期模型138
7．6．1 LTV CLTV的含义138
7．6．2 LTV的作用138
7．6．3 LTV的计算方法案例138
7．7 其他常见的大小数据分析模型139

第8章 用户画像
8．1 用户画像142
8．1．1 用户画像定义142
8．1．2 用户画像的作用142
8．2 用户画像的方法143
8．3 案例：淘宝用户画像应用145

第9章 推荐系统
9．1 实战推荐系统产品147
9．1．1 基于用户的推荐系统147
9．1．2 推荐效果评价指标148
9．1．3 基于内容的推荐系统148
9．1．4 基于内容推荐系统的优点和缺点153
9．2 推荐系统应用场景154
9．3 推荐系统未来必须关注的七大热点154
9．4 案例：今日头条和抖音短视频
产品推荐系统161

第 10章 从0到1新建数据仓库
10．1 什么是数据仓库166
10．1．1 数据仓库的含义166
10．1．2 数据仓库的特点166
10．1．3 数据库与数据仓库的关系167
10．1．4 数据湖与数据仓库168
10．1．5 数据仓库与数据集市169
10．1．6 离线数据仓库与实时数据仓库170
10．2 从0到1构建数据仓库173
10．2．1 产品视角从0到1搭建数据仓库173
10．2．2 技术视角从0到1搭建数据仓库176
10．3 Hadoop生态系统187
10．3．1 Hadoop发展历程188
10．3．2 Hadoop生态193
10．3．3 Hadoop的优势194
10．3．4 Hadoop的发展趋势195
10．4 案例：数据仓库产品的建设和应用195
10．4．1 美团点评用Flink做实时数据仓库建设195
10．4．2 数据仓库总结202

第 11章 数据平台
11．1 数据平台产品213
11．1．1 数据平台的理解213
11．1．2 数据平台的一般功能213
11．1．3 数据平台的技术视角213
11．1．4 数据平台的业务视角216
11．2 常用的成熟数据平台219
11．3 数据平台产品架构221
11．4 搭建大数据平台223
11．4．1 搭建大数据平台的步骤223
11．4．2 搭建大数据平台具体实现225
11．5 案例：数据平台应用241
11．5．1 阿里云OS数据平台解决方案241
11．5．2 淘宝、美团、滴滴的大数据平台应用243
11．5．3 美图大数据平台完整实践案例247

第 12章 数据中台的介绍与搭建
12．1 数据中台的介绍257
12．1．1 什么是数据中台257
12．1．2 数据中台为什么受欢迎259
12．1．3 要不要做数据中台269
12．2 中台的分类271
12．2．1 业务中台272
12．2．2 技术中台272
12．2．3 数据中台273
12．2．4 组织中台275
12．3 搭建数据中台——以教育中台
产品为例278
12．3．1 产品设计视角278
12．3．2 技术视角279
12．3．3 搭建的中台价值量化282
12．4 案例：阿里云数据中台解决方案283

第 13章 数据产品规划
13．1 数据平台规划291
13．1．1 设计数据平台291
13．1．2 数据产品场景292
13．1．3 大数据平台建设295
13．2 数据产品的用户调研297
13．3 数据产品的竞品研究299
13．4 数据产品的需求挖掘304
13．5 数据产品功能设计思考306
13．6 数据产品设计指南308


第 14章 数据产品经理如何
实现数据产品
14．1 数据产品经理工作内容313
14．1．1 数据产品经理工作职责313
14．1．2 企业对数据产品经理的要求313
14．2 数据产品团队职能313
14．3 做出数据产品和卖出数据产品315
14．3．1 数据产品的4个层次316
14．3．2 数据产品的商业化316
14．4 数据产品运营318
14．4．1 数据从哪来318
14．4．2 数据判断319

第 15章 数据安全和隐私保护
15．1 数据安全321
15．1．1 什么是数据安全321
15．1．2 数据不安全带来的危害324
15．2 数据安全方案325
15．2．1 数据安全的定位、框架及
制度安全325
15．2．2 网络安全和物理安全330
15．2．3 窃取技术防护、服务器安全、
数据库安全和数据备份337
15．3 如何保护隐私346
15．3．1 关于数据隐私的9个观点346
15．3．2 保护个人隐私15招348
15．3．3 企业的隐私保护349
15．3．4 数据产品经理应该了解的4种数据隐私保护技术350

第 16章 数智化重塑增长
16．1 数智化359
16．1．1 踏上数智化之路359
16．1．2 从数字化走向数智化360
16．2 数智化重塑未来增长的破局之路364
16．3 找到数智化转型的第 一个切入点367
16．4 案例：数智化破局增长372
16．4．1 传统企业数智化重塑增长案例372
16．4．2 数智化解决方案案例——需求预测373

第 17章 不确定时代的数据产品经理思维方法
17．1 物联网的数智化未来378
17．2 以快手为例看5G时代互联网产品的变化380
17．3 数据认知促进数据思维383

第 18章 “数据人”行动路径
18．1 尽快从传统产品经理跃迁到数据产品经理387
18．2 数据产品跃迁三部曲387
18．3 数据产品经理=数据技术经理+运营经理+项目产品经理389

附录一 常用术语：75个专业术语
附录二 数据产品经理的3种图