这是一本能帮助读者快速获取数据产品实战能力数据项目实战能力的著作。全书内容以案例方式组织，围绕数据建设、数据营销、数据驱动3大主题，用14个综合案例进行完整再现和深度复盘，为近10个行业的数据产品提供了可直接参考的解决方案，这些方案同时也适用于其他行业。每个案例从项目背景、方案设计、实现过程、总结与思考等维度展开阐述，层次清晰，可参考性强。全书共14章，分为三部分：数据建设、数据营销和数据驱动。第1部分 数据建设（第1~2章）数据建设是数据运转的基础，是数据发挥价值的关键。良好的数据建设能够降低数据应用的开发成本，提升数据使用者的效率。本部分包含两章，分别介绍了自动化数据分析平台的搭建和数据埋点的工作流程等。第二部分 数据营销（第3~9章）营销是每个公司的业务核心，良好的数据营销平台为营销提供非常大的助力。本部分主要介绍如何利用数据中台、大数据平台助力营销，如何利用社会化聆听辅助商业决策，重点分析金融、零售、快消、汽车、游戏等多个行业的项目，具有较高的参考价值。此外，还介绍了商品分析方法和初创公司数据运营实践。第三部分 数据驱动（第10~14章）数据产品经理可以进驻公司的每个部门，驱动该部门的业务发展，成为公司运转的核心和动力。本部分介绍的案例包括语音数据处理与商业应用、网约车安全性的数据化解决方案、智慧安防中的智能视频产品、AI技术在视频平台上的应用、数据产品经理在推荐中的价值，这些案例都属于数据产品的一个分支——策略产品的范畴，有的案例主要以AI技术实现。

作者简介

前言

第一部分　数据建设

第1章　自动化数据分析平台的搭建002

1.1　问题和现状002

1.1.1　项目管理003

1.1.2　重复劳动003

1.1.3　工作流程004

1.1.4　数据交付005

1.1.5　小结006

1.2　需求分析006

1.2.1　流程梳理006

1.2.2　数据需求方007

1.2.3　数据分析师008

1.2.4　产品经理008

1.2.5　开发人员008

1.2.6　小结008

1.3　平台搭建009

1.3.1　功能架构009

1.3.2　数据需求单009

1.3.3　数据分析单011

1.3.4　数据分析过程014

1.3.5　数据源017

1.3.6　数据仓库对接018

1.3.7　底表管理019

1.3.8　数据探索019

1.3.9　自动任务调度021

1.3.10　数据交付024

1.3.11　账号体系024

1.3.12　小结025

1.4　项目问答025

1.4.1　需求方是谁025

1.4.2　哪些方面花的精力多026

1.4.3　本项目的产品经理需要掌握哪些技能026

1.4.4　如何平衡成本与收益026

第2章　数据埋点的应用场景、工作流程与案例分析028

2.1　数据埋点的应用场景028

2.1.1　数据埋点的作用029

2.1.2　后端数据埋点的分类029

2.2　数据埋点的工作流程030

2.2.1　数据埋点的流程图030

2.2.2　数据埋点的日常流程033

2.2.3　数据埋点工作中的常见问题及应对措施034

2.3　埋点需求实战案例036

2.3.1　业务线坑位埋点位置036

2.3.2　业务线坑位截图036

2.3.3　页面坑位埋点036

2.3.4　上线时间037

2.3.5　需求计划时间里程碑038

2.3.6　埋点测试报告038

2.3.7　上线公告?038

2.3.8　上线验收说明039

2.3.9　验收结果报告039

2.4　埋点规范样例与测试样例039

2.4.1　App端曝光埋点、点击埋点样例说明040

2.4.2　本次埋点的曝光、点击测试040

2.5　埋点“七字诀”048

第二部分　数据营销

第3章　数据中台和业务中台如何赋能自动化营销052

3.1　我们做自动化营销的起因与整体思路053

3.2　方法论：用户运营体系053

3.3　产品功能架构055

3.4　数据中台为营销侧提供数据服务057

3.5　模块一：营销自动化058

3.6　模块二：线上活动管理062

第4章　零售行业大数据平台的构建和商业应用068

4.1　平台背景069

4.2　平台核心价值070

4.3　平台实现过程071

4.3.1　数据准备073

4.3.2　数据分析与建模077

4.3.3　商业应用场景举例090

4.4　产品经理工作方法总结097

第5章　舆情大数据助力精准化营销099

5.1　?舆情大数据平台的意义099

5.2　产品实现100

5.2.1　研发背景101

5.2.2　平台业务架构设计102

5.2.3　业务数字化过程104

5.2.4　私有化部署117

5.3　产品商业应用122

5.3.1　大数据支持产品创新全流程123

5.3.2　消费者产品体验全网触点覆盖124

5.3.3　营销效果监测128

5.3.4　品牌资产建设129

5.3.5　电商监测（销量和舆情）130

5.3.6　渠道重点客户画像131

5.4　舆情大数据精准营销商业价值131

第6章　利用社会化聆听辅助商业决策135

6.1　社会化聆听的定义与商业价值136

6.1.1　社会化聆听的定义136

6.1.2　社会化聆听的商业价值137

6.2　如何进行社会化聆听142

6.2.1　确定业务目标142

6.2.2　确定数据来源143

6.2.3　选择合适的工具144

6.2.4　将分析结果转化为有价值的商业情报144

6.3　案例：凯迪拉克的口碑数据挖掘145

6.3.1　数据获取146

6.3.2　分析目的147

6.3.3　数据特征及分类147

6.3.4　消费者购车目的分析149

6.3.5　了解消费者关注的典型话题151

6.3.6　从消费者的负面评价中挖掘待改进的方面154

6.3.7　挖掘影响消费者购车的重要因素155

6.3.8　基于数据的消费者兴趣挖掘157

6.3.9　基于内容的品牌调性挖掘161

6.4　社会化聆听产品化解决方案的大致思路165

6.4.1　数据采集来源165

6.4.2　业务分类体系166

6.4.3　统计分析挖掘170

6.4.4　可视化呈现170

6.5　题外话：数据产品经理的相关技能172

6.5.1　产品经理在这个项目中的角色172

6.5.2　这个项目的产品经理需要具备哪些技能173

第7章　商品分析方法174

7.1　商品分析总览174

7.2　商品分析目标175

7.3　商品分析核心环节175

7.3.1　销176

7.3.2　存178

7.3.3　进181

7.4　商品分析的相关部门183

第8章　游戏商业化的关键问题和解决方案185

8.1　体验与商业化能力可否兼得186

8.1.1　什么是好游戏186

8.1.2　手游商业模式186

8.1.3　通过数据平台找到平衡点187

8.2　游戏商业化过程中常见的关键问题188

8.2.1　礼包推荐的核心问题188

8.2.2　内购盈利模式下的二八定律189

8.2.3　游戏平衡性问题190

8.2.4　不同地域人群的偏好190

8.2.5　短期利益与长期利益的权衡190

8.2.6　反作弊的权衡问题191

8.2.7　广告成本问题192

8.3　基于规则引擎的多试验组测试193

8.3.1　IAP商业化问题拆解193

8.3.2　规则引擎产品架构解析194

8.3.3　礼包生产模块194

8.3.4　规则模块196

8.3.5　复杂实验的创建197

8.4　专题案例：构建广告成本优化模型198

8.4.1　如何节省投放成本198

8.4.2　模型核心逻辑198

第9章　在B端初创公司做数据运营200

9.1　什么是数据运营 200

9.1.1　数据运营的定义201

9.1.2　数据运营与数据分析、数据产品的区别201

9.1.3　在公司不同发展阶段数据运营人员的重点工作201

9.2　初创公司是否需要数据运营 203

9.2.1　初创公司的共同特征203

9.2.2　数据运营为初创公司的发展提速203

9.3　我在初创公司如何做数据运营 204

9.3.1　市场探索期? 204

9.3.2　产品打磨期 204

9.3.3　市场增长期 205

9.3.4　商业变现期208

9.4　数据运营的成功要素 208

第三部分　数据驱动

第10章　海量语音数据的文本转写、分析、挖掘与商业应用212

10.1　项目特色213

10.2　研发目标215

10.3　关键点及难点216

10.4　技术实现过程217

10.4.1　技术架构217

10.4.2　ASR模型优化218

10.4.3　系统构成219

10.5　对语音识别出的文本数据的应用222

0.5.1　全面质检模型222

10.5.2　智能匹配客户224

10.5.3　智能服务语言推荐227

10.6　项目效益229

10.6.1　经济效益229

10.6.2　工作方式的改变230

10.6.3　语音转文本数据的深度挖掘230

第11章　提升网约车安全性的数据化解决方案231

11.1　出行安全的背景231

11.2　网约车安全的定义232

11.2.1　交通安全232

11.2.2　司乘安全233

11.3　安全解决方案的制定233

11.3.1　交通安全解决方案234

11.3.2　司乘安全解决方案239

11.4　交通安全的四阶段展望240

第12章　视频数据分析实战：智慧安防中的智能视频产品242

12.1　智慧安防整体介绍243

12.1.1　智慧安防的概念243

12.1.2　智慧安防的效果243

12.1.3　智慧安防的使用场景243

12.1.4　智慧安防的核心应用——智慧视频产品245

12.2　智能视频产品245

12.2.1　视频搜索查询247

12.2.2　图像识别查询249

第13章　AI产品经理的工作日常与AI技术在视频平台上的应用253

13.1　AI知识简单科普253

13.2　AI产品经理的工作内容与路线254

13.2.1　AI产品经理的日常工作内容255

13.2.2　AI产品经理的工作路线257

13.3　AI技术在视频平台上的应用259

13.3.1　案例1：智能审核260

13.3.2　案例2：智能封面图262

13.3.3　案例3：智能拆条263

第14章　数据产品经理在推荐中的价值266

14.1　推荐系统简介266

14.1.1　什么是推荐系统267

14.1.2　推荐系统的技术架构268

14.2　关于推荐系统三要素的思考271

14.2.1　信息维度272

14.2.2　用户维度274

14.2.3　平台维度276

14.3　推荐系统的A/B测试277

14.4　关于经典应用场景的思考278

14.4.1　电商信息流278

14.4.2　长视频底层页推荐280

14.4.3　短视频实时插入推荐281

14.5　短视频平台推荐系统的分析282

14.5.1　产品经理竞品分析的基础架构282

14.5.2　推荐系统竞品分析的特点283

14.5.3　抖音和快手的推荐系统分析284

后记288