写给数据产品经理新人的工作笔记

　　《写给数据产品经理新人的工作笔记》的目标在于，为数据产品从业新人或准备转行做数据产品的读者提供一个本领域的通解通法，并对即将面临的问题做出预判，并找到解决方案。 《写给数据产品经理新人的工作笔记》以数据产品经理角色的定位和合作关系为切入点，站在整个数据体系的视角，从工作流程的角度剖析数据需求沟通和判断的过程、指标体系搭建的过程，同时介绍了部分通用工具，并详细剖析这些工具和对应的数据体系要解决的问题之间的关系。最后补充了必要的统计学常识、数据技术常识，并对一些在数据产品经理的工作过程中经常遇到的问题给出解决方案。

　　陈文思 （Viola Chen），数据圈非著名“大表姐”，应用统计学及应用心理学双向专业背景。 以网站分析师入行，从业十年间从数据采集到指标体系，从数据集市到数据分析、数据运营等方向均有涉及，一直企图以一己之力完成数据应用链路的完整串联，结果变成了一个填“坑”小能手（或者叫：数据产品经理）。 曾就职于凡客诚品、汽车之家、理想汽车、美团点评。 个人兴趣飘忽不定。德云社15年“铁粉”，思维极端发散。近期致力于手绘、古典吉他、爬山、算法相关的数据结构设计等。

第1部分
第1章　成为数据产品经理：角色创建和角色转变
1.1　给“小萌新”的信心和冷水——欢迎打开这个新世界的大门　/ 003
1.1.1　新人的困惑　/ 003
1.1.2　新角色的技能树　/ 004
1.2　从数据分析师转型做数据产品经理——从解构到创造　/ 006
1.2.1　两种角色的巨大差异　/ 007
1.2.2　从数据分析师转型的难点　/ 008
1.3　从数据技术转型做数据产品经理——从具体到抽象　/ 010
1.3.1　从数据技术转型的困惑　/ 010
1.3.2　从数据技术转型的关键点　/ 011
1.4　从其他产品经理转型做数据产品经理——从信息到数据　/ 014
1.4.1　从后台产品经理转型做数据产品经理　/ 014
1.4.2　前端产品经理也能转型做数据产品经理　/ 016
1.5 工作笔记：数据产品经理技能树　/ 016

第2章　数据产品经理和其他角色的关系
2.1　角色之间的关系和他们面对的问题　/ 019
2.1.1　数据业务结构和相关角色　/ 019
2.1.2　角色之间的输入/ 输出　/ 022
2.2　你的用户是谁：数据产品的“用户分析”　/ 023
2.2.1　数据角色相关用户　/ 023
2.2.2　非数据角色相关用户　/ 026
2.3　不同阶段，不同定义　/ 028
2.3.1　从平台到中台　/ 028
2.3.2 　明确公司所处的阶段和状态 　/ 029

第2 部分
第3 章　需求沟通过程
3.1　发现数据需求的本质　/ 030
3.1.1　数据需求类型　/ 030
3.1.2　不同需求类型对应的实现方式　/ 035
3.1.3　识别需求背后需要解决的问题　/ 037
3.1.4　需求沟通中的提问技巧　/ 040
3.2　避免做太多临时的事——需求沉淀　/ 042
3.2.1　和大家达成一些合作共识　/ 042
3.2.2　信息记录和信息反馈　/ 045
3.2.3　不停地回顾——需求复盘方法　/ 047
3.3　当我们在讨论“预测”时，是在讨论什么　/ 050
3.3.1　理解概率结论的不确定性　/ 050
3.3.2　不确定感带来的焦虑　/ 051
3.3.3　充分描述历史数据　/ 052
3.4　工作笔记：一个需求沟通框架　/ 052

第4 章　指标体系搭建
4.1　指标体系　/ 054
4.1.1　什么是指标体系　/ 054
4.1.2　指标体系如何描述业务　/ 056
4.1.3　案例：某媒体网站的指标体系搭建　/ 059
4.1.4　从指标体系到数据驱动的过程　/ 061
4.2　指标定义和维度定义　/ 062
4.2.1　指标和维度　/ 062
4.2.2　抽象定义和操作定义　/ 063
4.2.3　计算口径之争　/ 063
4.3　基础监控的建立——报表很重要　/ 065
4.3.1　从宽表到报表　/ 065
4.3.2　从顶层监控到多维度拆分　/ 070
4.3.3　迭代和反馈机制　/ 070
4.4　工作笔记：一个指标体系的产品化方式　/ 071

第5 章　Excel 是最完美的数据产品
5.1　Excel 常用功能盘点 　/ 076
5.1.1　重点函数和动态图表　/ 078
5.1.2　数据透视表和数据透视图、切片器　/ 084
5.2　使用Excel 做思维训练　/ 088
5.2.1　数据和可视化的关系　/ 088
5.2.2　案例：Excel 迷你动态模板开发实战　/ 089

第6 章　不同的工具解决不同的问题
6.1　基础工具设计　/ 107
6.1.1　通用报表工具　/ 108
6.1.2　数据治理工具：维表、数据质量管理　/ 112
6.1.3　自助查询和开发类工具　/ 116
6.2　可视化平台设计　/ 118
6.2.1　可视化平台结构的分类　/ 119
6.2.2　不同图表类型的作用和数据源结构　/ 120
6.2.3　可视化平台功能点最好能够标准化　/ 134
6.2.4　Power BI 和Tableau 的对比评测　/ 135
6.3　工作笔记：一个数据产品的PRD 结构　/ 141

第7 章　数据应用和第三方平台
7.1　数据应用产品　/ 143
7.1.1　多版本测试及其工具　/ 144
7.1.2　用户画像和用户标签　/ 150
7.1.3　策略库的形成和数据闭环　/ 151
7.2　第三方平台产品　/ 153
7.2.1　DMP 到底是什么　/ 154
7.2.2　类似神策、GrowingIO 等平台的优势和适用范围　/ 155
7.3　工作笔记：一套融入业务工作流的数据应用方案包含什么　/ 159

第3部分
第8 章　必须理解的统计学知识
8.1　报表的本质：描述性统计解决日常90% 的问题　/ 162
8.1.1　随机变量的分布　/ 163
8.1.2　集中趋势1：最值、中位数、众数和均值　/ 164
8.1.3　集中趋势2：标准差和方差　/ 166
8.2　统计学和因果论：相关性和因果关系　/ 167
8.2.1　相关性和因果关系的定义和区别　/ 169
8.2.2　数据使用中常见的逻辑谬误　/ 171
8.2.3　贝叶斯法则背后的哲学观点　/ 172
8.3　假设检验过程代表着一种思维方法　/ 173
8.3.1　什么是假设检验过程　/ 173
8.3.2　一种有点“反人类”却十分有效的思维方式　/ 174

第9 章　必须了解的数据技术基础知识
9.1　数据平台存在的形态：数据平台基础架构　/ 175
9.1.1　了解每一个组件解决什么问题　/ 176
9.1.2　Hadoop：一个情报处的组织架构　/ 178
9.2　数据源：数据采集和数据同步　/ 179
9.2.1　用户行为采集：埋点和无埋点的技术原理　/ 179
9.2.2　数据同步和数据接入：做好数据的搬运工　/ 183
9.3　数据建模：核心思想是“分类”　/ 185
9.3.1　了解主流“门派”：维度建模，从ODS 到数据集市　/ 185
9.3.2　计算资源分配：调度和依赖　/ 187
9.3.3　实时数据：流式SQL 的出现　/ 187
9.4　产品经理要学一点代码　/ 188
9.4.1　SQL 也许不能叫作代码，却不可替代　/ 188
9.4.2　团队里存在的技术栈，要知道它们的原理和难度　/ 188

第10 章　不得不说的“坑”和红线
10.1　直面数据质量问题　/ 190
10.1.1　统一名词库的必要性和困难　/ 191
10.1.2　第三方系统数据的接入和打通　/ 193
10.1.3　不可避免的体力活——埋点及其维护　/ 194
10.2　数据平台的内功修炼和面向业务的输出很难平衡　/ 195
10.2.1　面对刷数、迁移、反复校验的每一天　/ 196
10.2.2　千万不要企图做“烂好人”　/ 197
10.3　数据安全　/ 197
10.3.1　我们为什么总是在亡羊补牢　/ 198
10.3.2　数据权限管理、流程和规则　/ 199
10.3.3　数据产品经理能为数据安全做什么　/ 200