第1章 初識數據産品經理
1.1 為什麼要有數據産品經理
1.1.1 大數據行業現狀
1.1.2 數據産品經理的前世今生
1.2 數據産品經理的日常工作
1.2.1 一切從業務齣發
1.2.2 離不開的産品原型與需求文檔
1.2.3 與研發工程師做朋友
1.2.4 多和用戶聊聊
1.3 數據産品經理的思維方式
1.3.1 歸納與演繹思維
1.3.2 數據思維
1.3.3 用戶思維
1.3.4 産品思維
1.3.5 工程思維
1.3.6 其他一些思維方式和方法論
第2章 數據産品經理基礎知識
2.1 數據産品經理常用的工具
2.1.1 玩轉Excel
2.1.2 數據産品經理怎能不會SQL
2.1.3 掌握一些R相關知識
2.1.4 産品原型工具
2.2 産品需求管理
2.2.1 需求來源與需求判斷
2.2.2 産品需求池管理
2.2.3 從需求跟進到需求落地
2.3 軟實力
2.3.1 快速成長的能力
2.3.2 溝通錶達的能力
2.3.3 推動項目的能力
2.3.4 數據感知的能力
第3章 數據分析思維與實踐
3.1 數據産品經理和數據分析師的區彆
3.1.1 數據産品經理和數據分析師的崗位職責與崗位要求
3.1.2 數據産品經理和數據分析師需要具備的素質
3.2 數據産品經理常用的分析方法
3.2.1 常規分析
3.2.2 統計模型分析
3.2.3 自建模型分析
3.3 應用實例
3.3.1 商城積分與DAU的關聯分析
3.3.2 基於時間序列預測訂單量
第4章 數據倉庫理論與應用
4.1 瞭解大數據基礎Hadoop
4.1.1 Hadoop三駕馬車
4.1.2 其他常用工具
4.2 大數據平颱層級結構
4.2.1 ODS層
4.2.2 數據倉庫
4.2.3 數據的應用
4.3 數據埋點
4.3.1 埋點方式
4.3.2 埋點事件
4.3.3 數據埋點實例
4.4 指標字典
4.4.1 指標字典的基本概念
4.4.2 指標定義的規範
4.5 數據管理係統
4.5.1 數據質量的重要性
4.5.2 數據管理係統的質量檢測
4.5.3 數據管理係統的功能
第5章 大數據分析平颱實踐
5.1 大數據分析平颱的前世今生
5.1.1 大數據分析平颱構建的背景
5.1.2 企業實現大數據分析平颱的方式
5.2 大數據分析平颱應用實戰
5.2.1 可拓展的報錶分析平颱
5.2.2 自助式分析平颱
5.2.3 智能化分析平颱
5.2.4 業務場景分析平颱
5.3 移動端大數據分析平颱
5.3.1 如何選擇移動端
5.3.2 移動端大數據分析平颱實戰
5.4 大數據分析平颱走進傳統行業
第6章 用戶行為分析平颱實踐
6.1 用戶行為分析平颱的前世今生
6.1.1 用戶行為分析平颱的背景
6.1.2 用戶行為分析平颱的應用場景
6.2 用戶行為分析平颱的功能
6.2.1 事件分析
6.2.2 留存分析
6.2.3 轉化分析
6.2.4 用戶分群
6.2.5 用戶行為細查
6.2.6 用戶行為路徑分析
6.2.7 其他功能
6.3 用戶行為分析平颱的迭代方嚮
第7章 AB實驗平颱
7.1 AB實驗平颱的背景
7.1.1 為什麼需要AB實驗平颱
7.1.2 AB實驗平颱的應用場景
7.2 AB實驗平颱的實戰
7.2.1 創建實驗的流程
7.2.2 相關概念
7.2.3 實驗分流
7.2.4 實驗數據統計
7.2.5 實驗上綫與報警
7.2.6 波動分析工具
7.3 AB實驗設計方法
7.4 AB實驗平颱的應用實例
第8章 大數據産品在各個領域中的應用
8.1 大數據産品在電商領域中的應用
8.1.1 大數據精準營銷
8.1.2 購物行為與銷量預測
8.2 大數據産品在汽車領域中的應用
8.2.1 汽車細分領域的用戶畫像
8.2.2 為汽車品牌商尋找與品牌匹配的自媒體
8.3 大數據産品在遊戲領域中的應用
8.3.1 大數據産品在遊戲行業中的重要性
8.3.2 遊戲行業在不同場景下的數據産品需求
8.3.3 遊戲領域的數據産品介紹
8.4 大數據産品在內容領域中的應用
8.4.1 內容産品及行業簡介
8.4.2 傳統編輯對內容領域中數據的應用
8.4.3 大數據在自媒體領域中的應用
8.4.4 自媒體用戶畫像數據的應用
8.4.5 用戶消費內容漏鬥分析
8.4.6 視頻類內容數據的應用
8.4.7 內容時代我們還能用數據做些什麼
8.5 大數據産品在交通領域中的應用
8.5.1 地圖可視化在交通領域中的應用
8.5.2 交通大數據助力城市規劃
· · · · · · (收起)