數(shù)據(jù)產(chǎn)品經(jīng)理必修課：從零經(jīng)驗(yàn)到令人驚艷

第一部分 產(chǎn)品經(jīng)理的前世今生
第1章 產(chǎn)品經(jīng)理的前世
1.1 產(chǎn)品經(jīng)理究竟是什么 4
1.1.1 咬文嚼字說產(chǎn)品經(jīng)理 4
1.1.2 產(chǎn)品經(jīng)理的歷史溯源 5
1.2 泛產(chǎn)品經(jīng)理與產(chǎn)品經(jīng)理 6
1.2.1 產(chǎn)品經(jīng)理的專業(yè)取向 7
1.2.2 產(chǎn)品經(jīng)理的泛化 8
1.3 互聯(lián)網(wǎng)產(chǎn)品經(jīng)理的規(guī)定動(dòng)作 12
1.3.1 需求調(diào)研 12
1.3.2 競(jìng)品分析 14
1.3.3 原型設(shè)計(jì) 16
第2章 產(chǎn)品經(jīng)理的今生
2.1 賣家秀：自我提升的幾項(xiàng)技能 20
2.1.1 從需求文檔到動(dòng)機(jī)文檔 20
2.1.2 從競(jìng)品分析到廣義競(jìng)品分析 22
2.1.3 從原型設(shè)計(jì)到交互設(shè)計(jì) 24
2.2 買家秀：弄垮團(tuán)隊(duì)的若干“要領(lǐng)” 28
2.2.1 越過產(chǎn)品雷池 28
2.2.2 踏入團(tuán)隊(duì)雷池 29
2.2.3 邁向公司雷池 30
第3章 產(chǎn)品經(jīng)理的入行
3.1 入行做產(chǎn)品的幾種可能 34
3.1.1 源自技術(shù)崗 34
3.1.2 源自業(yè)務(wù)崗 35
3.1.3 源自應(yīng)屆生 36
3.2 上崗后的第一件事 37
3.2.1 產(chǎn)品全圖 38
3.2.2 行業(yè)全圖 39
3.2.3 產(chǎn)業(yè)全圖 40
3.3 工作中如何學(xué)習(xí) 41
第二部分 古往今來的數(shù)據(jù)思維
第4章 歷史中的數(shù)據(jù)思維
4.1 人口普查：最早的數(shù)據(jù)埋點(diǎn)策略 46
4.1.1 埋點(diǎn)的技術(shù)視角 46
4.1.2 埋點(diǎn)的時(shí)機(jī)與策略 48
4.2 命令與征服：可視化最早的用意 49
4.2.1 可視化大家說 50
4.2.2 可視化與歷史 51
4.3 科技革命：助力數(shù)據(jù)產(chǎn)品落地 54
4.3.1 手工統(tǒng)計(jì) 55
4.3.2 機(jī)械統(tǒng)計(jì) 55
4.3.3 電子統(tǒng)計(jì) 57
4.4 數(shù)據(jù)驅(qū)動(dòng)決策的歷史溯源 57
4.4.1 美國建立時(shí)用數(shù)據(jù)分權(quán) 58
4.4.2 南北戰(zhàn)爭時(shí)用數(shù)據(jù)進(jìn)軍 59
4.4.3 經(jīng)濟(jì)發(fā)展時(shí)用數(shù)據(jù)裁判 60
4.5 管理咨詢：使用數(shù)據(jù)降本增效 61
4.5.1 咨詢指引數(shù)據(jù)產(chǎn)品方向 62
4.5.2 管理啟迪思維模式更新 63
4.6 聊聊統(tǒng)計(jì)學(xué) 64
4.6.1 政治算術(shù) 64
4.6.2 頻率學(xué)派 65
4.6.3 概率學(xué)派 66
4.7 LEHD：美國的第一個(gè)大數(shù)據(jù)項(xiàng)目 67
4.7.1 信息逐步開放 67
4.7.2 大數(shù)據(jù)項(xiàng)目開展 68
4.8 歷史給我們數(shù)據(jù)思維的啟示 69
4.8.1 用數(shù)據(jù)說話 69
4.8.2 向賢者取經(jīng) 69
4.8.3 漸進(jìn)性創(chuàng)新 70
4.8.4 需求創(chuàng)造供給 70
第5章 行業(yè)擁抱數(shù)據(jù)思維
5.1 大數(shù)據(jù)從何而來 72
5.1.1 大數(shù)據(jù)歷史 73
5.1.2 自身發(fā)展 75
5.2 大數(shù)據(jù)的全球格局與中國面貌 76
5.2.1 全球格局 76
5.2.2 中國面貌 77
5.2.3 行業(yè)概覽 78
5.3 大數(shù)據(jù)+“治理與交通” 81
5.3.1 治理 81
5.3.2 交通 83
5.4 大數(shù)據(jù)+“零售與金融” 84
5.4.1 零售 84
5.4.2 金融 88
5.5 大數(shù)據(jù)+“體育與教育” 89
5.5.1 體育 89
5.5.2 教育 91
5.6 大數(shù)據(jù)+“醫(yī)療與旅游” 93
5.6.1 醫(yī)療 93
5.6.2 旅游 94
5.7 大數(shù)據(jù)+“農(nóng)業(yè)與制造” 96
5.7.1 農(nóng)業(yè) 96
5.7.2 制造 97
5.8 大數(shù)據(jù)行業(yè)成熟了嗎 97
5.8.1 行業(yè)成熟度 98
5.8.2 大數(shù)據(jù)理念 99
5.8.3 大數(shù)據(jù)趨勢(shì) 100
5.9 大數(shù)據(jù)在產(chǎn)業(yè)中的位置 103
5.9.1 行業(yè)組成 104
5.9.2 產(chǎn)業(yè)構(gòu)成 106
第6章 當(dāng)產(chǎn)品經(jīng)理遇見數(shù)據(jù)思維
6.1 下一站：數(shù)據(jù)科學(xué)家 110
6.1.1 數(shù)據(jù)科學(xué)的歷史由來 110
6.1.2 數(shù)據(jù)科學(xué)與商業(yè)智能 111
6.1.3 數(shù)據(jù)科學(xué)的職業(yè)分類 112
6.1.4 數(shù)據(jù)分析的技能進(jìn)階 114
6.2 數(shù)據(jù)產(chǎn)品經(jīng)理的職業(yè)新要求 115
第三部分 數(shù)據(jù)產(chǎn)品經(jīng)理的技能進(jìn)階
第7章 面向產(chǎn)品經(jīng)理的數(shù)據(jù)預(yù)處理
7.1 數(shù)據(jù)分析的標(biāo)準(zhǔn)姿勢(shì) 128
7.2 淘洗數(shù)據(jù)沙礫（數(shù)據(jù)清洗） 130
7.2.1 缺失值 130
7.2.2 異常值 132
7.2.3 歸一化 133
7.3 聚細(xì)沙成佛塔（數(shù)據(jù)集成） 135
7.3.1 實(shí)體識(shí)別 135
7.3.2 冗余性識(shí)別 136
7.4 換個(gè)姿勢(shì)再來一次（數(shù)據(jù)變換） 137
7.4.1 離散化 137
7.4.2 屬性構(gòu)造 139
7.5 少即是美（數(shù)據(jù)規(guī)約） 139
7.5.1 特征規(guī)約 140
7.5.2 樣本規(guī)約 141
第8章 面向產(chǎn)品經(jīng)理的統(tǒng)計(jì)分析
8.1 說有信息量的話（非時(shí)序數(shù)據(jù)的統(tǒng)計(jì)量） 144
8.1.1 集中趨勢(shì) 145
8.1.2 離散趨勢(shì) 146
8.1.3 數(shù)據(jù)分布 148
8.2 股票指數(shù)是什么（時(shí)序數(shù)據(jù)的統(tǒng)計(jì)量） 148
8.2.1 “三比” 149
8.2.2 股票指數(shù) 150
8.3 男女真的有別嗎（分類數(shù)據(jù)的統(tǒng)計(jì)量） 152
8.3.1 卡方是什么 152
8.3.2 卡方怎么算 153
8.4 相關(guān)性不是因果性（連續(xù)數(shù)據(jù)的統(tǒng)計(jì)量） 156
8.4.1 Pearson 156
8.4.2 Spearman 157
8.4.3 Kendall 158
8.5 數(shù)據(jù)不能承受之“熵” 159
8.5.1 物理中的“熵” 159
8.5.2 信息中的“熵” 160
第9章 面向產(chǎn)品經(jīng)理的數(shù)據(jù)挖掘
9.1 學(xué)數(shù)據(jù)挖掘，只需要高中數(shù)學(xué) 164
9.1.1 重溫“加減乘除” 164
9.1.2 重溫“比值” 165
9.1.3 重溫“函數(shù)” 165
9.1.4 重溫“符號(hào)” 165
9.2 線性回歸：人為什么沒有嚴(yán)重兩極分化 166
9.2.1 優(yōu)生學(xué)趣聞 166
9.2.2 空間中的直線 167
9.3 邏輯回歸：種群增長的S型曲線 169
9.3.1 種群的增長曲線 169
9.3.2 S型曲線的秘密 171
9.4 樸素貝葉斯：面相占卜工作原理 172
9.4.1 外貌協(xié)會(huì)與街頭看相 173
9.4.2 無處不在的貝葉斯 174
9.5 決策樹：愛情選擇背后的心理學(xué)意義 176
9.5.1 愛情選擇條件多 177
9.5.2 不糾結(jié)的小技巧 178
9.6 K-means：尋找物理學(xué)上的質(zhì)心 181
9.6.1 向中心看齊 181
9.6.2 站錯(cuò)隊(duì)的后果 183
9.7 層次聚類：分而治之與抱團(tuán)取暖 184
9.7.1 分而治之 185
9.7.2 抱團(tuán)取暖 185
9.8 DBScan：帝國崛起的定居、建國與擴(kuò)張 186
9.8.1 密度打敗劃分 187
9.8.2 相似的帝國發(fā)展路徑 188
9.9 關(guān)聯(lián)規(guī)則挖掘：“啤酒和尿布”是個(gè)謊言 188
9.9.1 訛傳已久的商業(yè)故事 189
9.9.2 關(guān)聯(lián)規(guī)則的三重門 190
9.10 時(shí)間序列分析：聊聊《周易》 192
9.10.1 時(shí)間序列分析的玄妙 192
9.10.2 時(shí)間序列分析的正經(jīng) 194
9.11 集成學(xué)習(xí)：三個(gè)臭皮匠賽過諸葛亮 195
9.11.1 多拜師與拜大師 196
9.11.2 向大家與失敗學(xué)習(xí) 197
9.12 文本挖掘：讓機(jī)器讀懂你 199
9.13 社交網(wǎng)絡(luò)：隱私無處遁形 202
9.14 排序：簡約而不簡單的事 205
9.14.1 排序的規(guī)則方法 205
9.14.2 排序的操作機(jī)理 207
9.15 推薦系統(tǒng)：“今日頭條”背后的秘密 208
9.16 用戶畫像：隱私是個(gè)“偽命題” 213
9.17 算法思想中的哲學(xué)內(nèi)涵 216
第10章 面向產(chǎn)品經(jīng)理的數(shù)據(jù)可視化
10.1 別人家的可視化：陽春白雪 222
10.2 工作中的可視化：下里巴人 227
10.3 用可視化“說謊” 230
10.3.1 數(shù)據(jù)的誤導(dǎo) 230
10.3.2 邏輯的謬誤 234
10.4 準(zhǔn)備一份數(shù)據(jù)報(bào)告 238
第11章 向數(shù)據(jù)科學(xué)家再邁一步
11.1 能文：陪運(yùn)營跟蹤產(chǎn)品看效果 244
11.1.1 傳統(tǒng)運(yùn)營的基本功 245
11.1.2 數(shù)字化運(yùn)營“三”話你知 248
11.2 能武：追研發(fā)把控進(jìn)度出成果 251
11.2.1 數(shù)據(jù)采集 251
11.2.2 數(shù)據(jù)存儲(chǔ) 254
11.2.3 數(shù)據(jù)計(jì)算 256
11.2.4 數(shù)據(jù)分析 258
11.3 能聊：跟隨銷售面向市場(chǎng)找思路 258
第四部分 數(shù)據(jù)產(chǎn)品經(jīng)理的自我修養(yǎng)
第12章 學(xué)習(xí)力：借方法論加速
12.1 方法論知多少 266
12.1.1 概念闡述 266
12.1.2 分類總結(jié) 267
12.2 學(xué)習(xí)過程的“滿灌”與“脫敏” 269
12.2.1 理解提煉 269
12.2.2 我的方法論 271
第13章 表達(dá)力：用邏輯學(xué)幫襯
13.1 寫得一手好文案 274
13.1.1 為公務(wù)員考試正名 274
13.1.2 寫作實(shí)戰(zhàn)簡明教程 275
13.2 講故事給同事聽 278
第14章 領(lǐng)導(dǎo)力：以經(jīng)濟(jì)學(xué)詮釋
14.1 事情背后的選擇 285
14.1.1 選擇價(jià)值鏈上游：剪刀差效應(yīng) 285
14.1.2 學(xué)會(huì)審時(shí)度勢(shì)：美林時(shí)鐘 286
14.1.3 謹(jǐn)慎選擇別人的經(jīng)驗(yàn)：推繩子效應(yīng) 286
14.1.4 平衡是一個(gè)難題：薩伊定律與凱恩斯法則 287
14.2 人員之間的協(xié)同 288
14.2.1 你閃開，讓我來：絕對(duì)優(yōu)勢(shì)與相對(duì)優(yōu)勢(shì) 288
14.2.2 無條件開放：零和博弈與合作共贏 289
14.2.3 教會(huì)團(tuán)隊(duì)成員什么是沉沒成本 290
第15章 軟實(shí)力：靠心理學(xué)打造
15.1 向內(nèi)求：耐心、謙遜、熱心 294
15.1.1 讓自己“延遲滿足” 294
15.1.2 對(duì)表揚(yáng)免疫 295
15.1.3 不怕丟臉地分享 297
15.2 對(duì)外看：大局、妥協(xié)、有趣 297
15.2.1 看問題需要“上帝視角” 298
15.2.2 率真對(duì)內(nèi)，圓滑對(duì)外 298
15.2.3 一切從簡，有趣有夢(mèng) 299