| 作者 |
| 丛书名 |
| 出版社 |
| 电子工业出版社 |
| ISBN |
| 9787121416651 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书共13 章，汇集了7 位作者（来自多个大型互联网企业）的知识总结和经验分享。本书借助老汤姆、小风、阿北、小诺在某电商企业数据部门工作的故事，通过大量案例深入浅出地介绍了数据中台建设与应用之路。本书以Why-What-How 的思路展开，从0 到1 介绍知识点，并重点讲述How 的过程，同时结合某个场景下的具体案例，以使读者更好地理解实操过程。 每个企业都会面临各种各样的数据问题，有数据质量的问题、数据获取效率的问题、数据应用价值的问题等。本书首先介绍数据中台的建设，确保数据的质量，为企业的数据质量体系建设提供坚实的基础；然后，进行深入业务的分析探索，介绍如何从数据分析角度更好地赋能业务发展；最后，介绍数据应用，解决数据获取效率的问题，并把一些分析思路和业务策略沉淀为数据产品，从而更好地将数据应用于业务。本书结合多个大型互联网企业的实际项目案例，让读者真正掌握数据产品经理这个新兴职业的必备技能和核心能力。 本书主要面向数据产品经理，数据分析师、数据运营人员等数据行业从业者也可以在本书中找到一些思路和方法，如了解数据的应用、掌握分析方法等。本书也可以为想转行做数据产品经理的读者提供帮助。 |
| 目录 |
| 第1 章 那些困扰我们的数据问题 数据中台篇 第2 章 元数据中心 2.1 元数据中心概述 2.2 元数据中心的核心功能 2.2.1 数据整合 2.2.2 数据管理 2.2.3 数据地图 第3 章 数据指标中心 3.1 数据指标中心概述 3.2 数据指标中心的设计思路 3.2.1 定义指标并将其归集到对应的主题域 3.2.2 拆分原子指标与派生指标 3.2.3 定义原子指标与派生指标的生产逻辑 3.2.4 通过指标管理平台对指标进行规范生产 第4 章 数仓模型中心 4.1 数仓模型中心概述 4.2 数仓模型中心的设计思路 4.2.1 控制数据源 4.2.2 划分主题域 4.2.3 构建一致性维度 4.2.4 构建总线矩阵 4.2.5 数仓分层建设 4.2.6 数仓效果评估 第5 章 数据资产中心 5.1 数据资产中心概述 5.2 数据资产中心的治理流程 5.2.1 数据资产定级 5.2.2 数据资产质量治理 5.2.3 数据资产成本治理 第6 章 数据服务中心 6.1 数据服务中心概述 6.2 数据服务中心的设计思路 6.2.1 将数据写入查询库 6.2.2 搭建元数据模型 6.2.3 按主题归类 6.2.4 缓存优化 6.2.5 数据接口化 6.2.6 构建API 集市 6.2.7 统一数据服务 数据分析篇 第7 章 数据分析理论 7.1 业务和数据 7.2 数据分析师的全貌 7.3 数据分析团队的组织架构及其对应的工作模式 7.4 数据分析师的工作方式 7.4.1 工作象限图 7.4.2 1+N 的工作内容 7.4.3 与业务方的合作模式 7.4.4 有关工作方式常见问题的解法思考 第8 章 数据分析实操 8.1 预测性分析 8.1.1 预测性分析的目的 8.1.2 分析思路与方法 8.1.3 预测性分析案例 8.2 描述性分析 8.3 诊断性分析 8.4 数据分析报告 数据应用篇 第9 章 BI 系统 9.1 让人头疼的看板需求 9.2 BI 系统介绍 9.3 BI 系统的关键技术 9.4 BI 系统实践 9.4.1 数据接入 9.4.2 数据集加工 9.4.3 数据集权限控制 9.4.4 可视化报表配置 9.4.5 可视化结果展示 9.4.6 数据分析OLAP 9.4.7 如何衡量BI 系统是否成功 第10 章 用户画像 10.1 用户画像的全貌 10.2 用户画像的需求 10.3 用户画像的规划 10.3.1 用户画像的业务架构 10.3.2 用户画像的产品架构 10.3.3 用户画像的版本计划 10.3.4 用户画像的项目执行计划 10.4 用户ID 体系 10.5 标签体系 10.6 用户画像系统 10.7 用户画像的应用 第11 章 电商反作弊体系 11.1 电商黑产的现状 11.2 电商黑产的防控方案 11.2.1 活动的损失评估 11.2.2 反电商黑产作弊案例 第12 章 资讯个性化推荐 12.1 资讯的内容处理 12.1.1 资讯的内容来源 12.1.2 资讯的分类体系 12.1.3 常见的分类问题及内容分类原则 12.1.4 分类体系的构建 12.1.5 内容的标注与机器学习 12.2 资讯用户的画像和特征 12.2.1 资讯用户的画像 12.2.2 资讯用户的特征 12.3 资讯的推荐算法 12.3.1 资讯的信息抽取 12.3.2 资讯的分词方法 12.3.3 资讯的过滤排重 12.3.4 资讯的召回模型 12.3.5 资讯的算法排序 12.4 资讯的重排策略及案例 12.4.1 常见的重排策略及策略的目标 12.4.2 资讯的重排策略案例 第13 章 电商个性化推送 13.1 push 的衡量 13.1.1 push 的目标与本质 13.1.2 push 的衡量指标 13.2 push 的优化方向 13.3 push 的推荐案例 13.3.1 新用户推荐方案 13.3.2 推荐的效果评测 |