| 作者 |
| 任寅姿 季乐乐 杨楠楠 李凯东 陈新涛 萧饭饭 |
| 丛书名 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782106161529 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 ---------------------------8081042 - 标签类目体系：面向业务的数据资产设计方法论--------------------------- 内容简介 ·企业数字化转型中Z适合的数据资产组织方式是什么样的？ ·为什么越来越多的企业在讨论标签化和标签体系？ ·数澜独创的标签类目体系方法论有何独到之处？ 数据资产化是企业数字化转型的必经之路，也是数据中台的重要组成部分。 标签类目体系是数据中台理念落地的核心组成部分，是实现数据资产可复用、柔性组合使用、降低数据应用试错门槛的强力支撑。 数据作为第五生产要素参与分配，数据资本化的重要前提是数据商品化，数据商品化的Z佳载体就是标签。因此，学习如何将数据转化、映射为标签，并通过对标签的管理、应用实现数据资产的价值运营，对于商业化企业来说显得尤为重要。 本书旨在培养资深的数据资产架构师及数据运营专家，以方法教育而非工具实施的方式助力企业建立自身的数据资产化能力，将数据能力Z大限度地转化为商业价值。 全书共9章，分为3部分。 由来篇（第1~3章） 首先分析了当前各企业在数据建设过程中会遇到的6类主流问题与困难限制；为了应对这些数据问题，逐渐发展出的标签类目体系这一数据资产构建方法论及其定位定义；论述了采用该方法建设数据资产的3点必要性与意义：资产可复用、业务可理解、价值可衡量。 理论篇（第4~6章） . 详细讲解了标签类目体系方法论的4条核心原理；从核心原理衍生出的完整设计步骤，包括3个构建前提和6条设计步骤；同时阐述了标签方法论在实施落地过程中的具体使用技法，并探讨了其中的核心问题。 实践篇（第7~9章） 重点介绍了当前可用的标签工具和经典模板，它们可以用来提升标签类目体系的设计、使用、运营效率；列举了5个从标签设计到数据应用的Z佳实践方案；并总结了标签化成果价值、商业/社会价值及标签设计人才的培养经验。 ---------------------------8071720 - 数据产品经理：实战进阶--------------------------- 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。 |
| 目录 |
| [套装书具体书目] 8071720 - 数据产品经理：实战进阶 - 9787111662396 - 机械工业出版社 - 定价 89 8081042 - 标签类目体系：面向业务的数据资产设计方法论 - 9787111681625 - 机械工业出版社 - 定价 99 ---------------------------8081042 - 标签类目体系：面向业务的数据资产设计方法论--------------------------- 序一 序二 前言 由来篇 因何产生，为何需要 第1章 因：6大数据困局 1.1 数据孤岛，无法打通2 1.2 烟囱式建设，重复造轮子6 1.3 各说各话，没有统一口径9 1.4 鸡同鸭讲，无法穿透业务层12 1.5 数据人员的梦魇，数据治理永远没有尽头14 1.6 数据部门的尴尬，被命运扼住咽喉的成本中心18 第2章 源：6段由来过程 2.1 数据资产发展的4个阶段22 2.1.1 数据资产1.0：构建消费者信息库23 2.1.2 数据资产2.0：ID-Mapping打通数据27 2.1.3 数据资产3.0：全集团数据共享共荣30 2.1.4 数据资产4.0：更广泛领域的数据实践35 2.2 方法论抽象的2个阶段38 2.2.1 方法论0.1：方法梳理38 2.2.2 方法论1.0：原理研究42 2.3 标签在数据系统中的定位45 2.3.1 标签在数据资产中的位置45 2.3.2 标签在数据中台中的位置50 2.4 关键术语的定义和解释54 第3章 义：3点产生必要 3.1 数据资产可复用59 3.2 面向业务可理解64 3.3 数据价值可衡量69 理论篇 基础原理与演绎推导 第4章 道：4个核心原理 4.1 为什么要先讲道76 4.1.1 思维认知之重77 4.1.2 什么是道78 4.2 业务与数据的连接发展80 4.2.1 数据系统的发展历程80 4.2.2 业务系统与数据系统的关联 81 4.2.3 面向业务的数据资产组织形式83 4.3 根、枝干、叶/花83 4.3.1 树的根决定了这是一棵什么树84 4.3.2 树的枝干对应标签分类84 4.3.3 树的叶/花部分指向标签85 4.4 能量、养分和凋零91 4.4.1 实体树之间通过关系树连接92 4.4.2 从实体树叶子回溯打开关系树森林93 4.4.3 关系树向实体树赋予能量94 4.4.4 业务使用是对标签树的养分供给96 4.4.5 最终梳理出一片森林而非一棵树97 4.5 分形结构与资产树栽种模式97 4.5.1 完整规划，由浅入深99 4.5.2 纵深打穿，从局部直接截取101 4.6 资产树使用模式推演103 4.6.1 查询服务105 4.6.2 分析服务106 4.6.3 圈选服务108 第5章 法：完整的设计方法 5.1 3个构建前提110 5.1.1 统一的数据思维111 5.1.2 充分的前期调研115 5.1.3 正确的落地思路120 5.2 6个设计步骤123 5.2.1 识别对象123 5.2.2 同一对象数据打通125 5.2.3 数据化的事物表达130 5.2.4 构建数据类目体系133 5.2.5 构建标签类目体系138 5.2.6 前后台标签类目体系168 第6章 术：使用技法与重要问题 6.1 标签规范177 6.1.1 标签化178 6.1.2 元标签180 6.1.3 标签问题191 6.2 谈谈组合标签195 6.2.1 同一对象下的标签组合195 6.2.2 不同对象间的标签组合200 6.3 如何使用标签208 6.3.1 什么是平台级复用208 6.3.2 平台级复用的标签使用方式209 6.3.3 什么是服务组件、数据服务、数据应用系统210 6.3.4 服务组件的演变趋势214 6.4 标签怎么运营217 6.4.1 标签的全生命周期运营217 6.4.2 标签运营环节中的责任单位220 6.4.3 标签的运营闭环221 6.5 标签质量怎么看222 6.5.1 数据来源类相关指标222 6.5.2 标签加工过程相关指标223 6.5.3 标签使用过程相关指标224 6.6 标签成本怎么看224 6.6.1 标签数据源采集与存储成本225 6.6.2 标签设计与加工成本227 6.6.3 标签使用与营销成本228 6.7 标签价值怎么看229 6.7.1 标签价值的分类229 6.7.2 标签价值的衡量方式232 6.8 标签方法论与数仓建模的异同233 6.8.1 标签方法论与数仓建模的差异234 6.8.2 标签方法论与数仓建模的联系235 实践篇 商业实战中的价值涌现 第7章 器：标签工具和经典模板 7.1 标签工具238 7.1.1 标签体系设计239 7.1.2 标签同步与加工243 7.1.3 标签管理244 7.1.4 标签门户247 7.1.5 标签使用250 7.2 4个经典模板253 7.2.1 用户标签类目体系模板254 7.2.2 企业标签类目体系模板268 7.2.3 员工标签类目体系模板277 7.2.4 商品标签类目体系模板291 第8章 践：从标签到应用的5个最佳实践 8.1 实践1：银行业卡业务精准营销场景300 8.1.1 银行业卡业务标签设计301 8.1.2 银行业卡业务标签应用308 8.1.3 银行业卡业务实践小结310 8.2 实践2：汽车业整车厂商可视化大屏场景311 8.2.1 汽车业整车厂商标签设计312 8.2.2 汽车业整车厂商标签应用319 8.2.3 汽车业整车厂商实践小结323 8.3 实践3：制造业B2B平台供应链金融场景324 8.3.1 制造业B2B平台标签设计325 8.3.2 制造业B2B平台标签应用333 8.3.3 制造业B2B平台实践小结337 8.4 实践4：零售业电商千人千面推荐场景339 8.4.1 零售业电商标签设计340 8.4.2 零售业电商标签应用345 8.4.3 零售业电商实践小结347 8.5 实践5：地产业物管效能分析场景348 8.5.1 地产业物管标签设计349 8.5.2 地产业物管标签应用356 8.5.3 地产业物管实践小结358 第9章 果：价值、案例、经验分享 9.1 7点价值总结359 9.1.1 串联360 9.1.2 业务友好361 9.1.3 全息刻画362 9.1.4 可复用363 9.1.5 可管理364 9.1.6 可运营365 9.1.7 创新场景366 9.2 4个典型案例368 9.2.1 阿里巴巴集团典型案例368 9.2.2 时尚集团典型案例371 9.2.3 好莱客家居典型案例375 9.2.4 温州检察院典型案例380 9.3 3点培养经验385 9.3.1 深入业务385 9.3.2 胆大心细388 9.3.3 工匠精神391 ---------------------------8071720 - 数据产品经理：实战进阶--------------------------- 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 |