第一部分 产品经理的前世今生 4
第1章 产品经理的前世 4
1.1产品经理究竟是什么 4
1.1.1咬文嚼字说产品经理 4
1.1.2产品经理的历史溯源 5
1.2泛产品经理与产品经理 6
1.2.1产品经理的专业取向 7
1.2.2产品经理的泛化 8
1.3互联网产品经理的规定动作 12
1.3.1需求调研 12
1.3.2竞品分析 14
1.3.3原型设计 16
第2章 产品经理的今生 20
2.1卖家秀：自我提升的几项技能 20
2.1.1从需求文档到动机文档 20
2.1.2从竞品分析到广义竞品分析 22
2.1.3从原型设计到交互设计 24
2.2买家秀：弄垮团队的若干“要领” 28
2.2.1越过产品雷池 28
2.2.2踏入团队雷池 29
2.2.3迈向公司雷池 30
第3章 产品经理的入行 34
3.1入行做产品的几种可能 34
3.1.1源自技术岗 34
3.1.2源自业务岗 35
3.1.3源自应届生 36
3.2上岗后的第一件事 37
3.2.1产品全图 38
3.2.2行业全图 39
3.2.3产业全图 40
3.3工作中如何学习 41
第二部分 古往今来的数据思维 46
第4章 历史中的数据思维 46
4.1人口普查：最早的数据埋点策略 46
4.1.1埋点的技术视角 46
4.1.2埋点的时机与策略 48
4.2命令与征服：可视化最早的用意 49
4.2.1可视化大家说 50
4.2.2可视化与历史 51
4.3科技革命：助力数据产品落地 54
4.3.1手工统计 55
4.3.2机械统计 55
4.3.3电子统计 57
4.4数据驱动决策的历史溯源 57
4.4.1美国建立时用数据分权 58
4.4.2南北战争时用数据进军 59
4.4.3经济发展时用数据裁判 60
4.5管理咨询：使用数据降本增效 61
4.5.1咨询指引数据产品方向 62
4.5.2管理启迪思维模式更新 63
4.6聊聊统计学 64
4.6.1政治算术 64
4.6.2频率学派 65
4.6.3概率学派 66
4.7 LEHD：美国的第一个大数据项目 67
4.7.1信息逐步开放 67
4.7.2大数据项目开展 68
4.8历史给我们数据思维的启示 69
4.8.1用数据说话 69
4.8.2向贤者取经 69
4.8.3渐进性创新 70
4.8.4需求创造供给 70
第5章 行业拥抱数据思维 72
5.1大数据从何而来 72
5.1.1大数据历史 73
5.1.2自身发展 75
5.2大数据的全球格局与中国面貌 76
5.2.1全球格局 76
5.2.2中国面貌 77
5.2.3行业概览 78
5.3大数据+“治理与交通” 81
5.3.1治理 81
5.3.2交通 83
5.4大数据+“零售与金融” 84
5.4.1零售 84
5.4.2金融 88
5.5大数据+“体育与教育” 89
5.5.1体育 89
5.5.2教育 91
5.6大数据+“医疗与旅游” 93
5.6.1医疗 93
5.6.2旅游 94
5.7大数据+“农业与制造” 96
5.7.1农业 96
5.7.2制造 97
5.8大数据行业成熟了吗 97
5.8.1行业成熟度 98
5.8.2大数据理念 99
5.8.3大数据趋势 100
5.9大数据在产业中的位置 103
5.9.1行业组成 104
5.9.2产业构成 106
第6章 当产品经理遇见数据思维 110
6.1下一站：数据科学家 110
6.1.1数据科学的历史由来 110
6.1.2数据科学与商业智能 111
6.1.3数据科学的职业分类 112
6.1.4数据分析的技能进阶 114
6.2数据产品经理的职业新要求 115
第三部分 数据产品经理的技能进阶 128
第7章 面向产品经理的数据预处理 128
7.1数据分析的标准姿势 128
7.2淘洗数据沙砾（数据清洗） 130
7.2.1缺失值 130
7.2.2异常值 132
7.2.3归一化 133
7.3聚细沙成佛塔（数据集成） 135
7.3.1实体识别 135
7.3.2冗余性识别 136
7.4换个姿势再来一次（数据变换） 137
7.4.1离散化 137
7.4.2属性构造 139
7.5少即是美（数据规约） 139
7.5.1特征规约 140
7.5.2样本规约 141
第8章 面向产品经理的统计分析 144
8.1说有信息量的话（非时序数据的统计量） 144
8.1.1集中趋势 145
8.1.2离散趋势 146
8.1.3数据分布 148
8.2股票指数是什么（时序数据的统计量） 148
8.2.1“三比” 149
8.2.2股票指数 150
8.3男女真的有别吗（分类数据的统计量） 152
8.3.1卡方是什么 152
8.3.2卡方怎么算 153
8.4相关性不是因果性（连续数据的统计量） 156
8.4.1 Pearson 156
8.4.2 Spearman 157
8.4.3 Kendall 158
8.5数据不能承受之“熵” 159
8.5.1物理中的“熵” 159
8.5.2信息中的“熵” 160
第9章 面向产品经理的数据挖掘 164
9.1学数据挖掘，只需要高中数学 164
9.1.1重温“加减乘除” 164
9.1.2重温“比值” 165
9.1.3重温“函数” 165
9.1.4重温“符号” 165
9.2线性回归：人为什么没有严重两极分化 166
9.2.1优生学趣闻 166
9.2.2空间中的直线 167
9.3逻辑回归：种群增长的S型曲线 169
9.3.1种群的增长曲线 169
9.3.2 S型曲线的秘密 171
9.4朴素贝叶斯：面相占卜工作原理 172
9.4.1外貌协会与街头看相 173
9.4.2无处不在的贝叶斯 174
9.5决策树：爱情选择背后的心理学意义 176
9.5.1爱情选择条件多 177
9.5.2不纠结的小技巧 178
9.6 K-means：寻找物理学上的质心 181
9.6.1向中心看齐 181
9.6.2站错队的后果 183
9.7层次聚类：分而治之与抱团取暖 184
9.7.1分而治之 185
9.7.2抱团取暖 185
9.8 DBScan：帝国崛起的定居、建国与扩张 186
9.8.1密度打败划分 187
9.8.2相似的帝国发展路径 188
9.9关联规则挖掘：“啤酒和尿布”是个谎言 188
9.9.1讹传已久的商业故事 189
9.9.2关联规则的三重门 190
9.10时间序列分析：聊聊《周易》 192
9.10.1时间序列分析的玄妙 192
9.10.2时间序列分析的正经 194
9.11集成学习：三个臭皮匠赛过诸葛亮 195
9.11.1多拜师与拜大师 196
9.11.2向大家与失败学习 197
9.12文本挖掘：让机器读懂你 199
9.13社交网络：隐私无处遁形 202
9.14排序：简约而不简单的事 205
9.14.1排序的规则方法 205
9.14.2排序的操作机理 207
9.15推荐系统：“今日头条”背后的秘密 208
9.16用户画像：隐私是个“伪命题” 213
9.17算法思想中的哲学内涵 216
第10章 面向产品经理的数据可视化 222
10.1别人家的可视化：阳春白雪 222
10.2工作中的可视化：下里巴人 227
10.3用可视化“说谎” 230
10.3.1数据的误导 230
10.3.2逻辑的谬误 234
10.4准备一份数据报告 238
第11章 向数据科学家再迈一步 244
11.1能文：陪运营跟踪产品看效果 244
11.1.1传统运营的基本功 245
11.1.2数字化运营“三”话你知 248
11.2能武：追研发把控进度出成果 251
11.2.1数据采集 251
11.2.2数据存储 254
11.2.3数据计算 256
11.2.4数据分析 258
11.3能聊：跟随销售面向市场找思路 258
第四部分 数据产品经理的自我修养 266
第12章 学习力：借方法论加速 266
12.1方法论知多少 266
12.1.1概念阐述 266
12.1.2分类总结 267
12.2学习过程的“满灌”与“脱敏” 269
12.2.1理解提炼 269
12.2.2我的方法论 271
第13章 表达力：用逻辑学帮衬 274
13.1写得一手好文案 274
13.1.1为公务员考试正名 274
13.1.2写作实战简明教程 275
13.2讲故事给同事听 278
第14章 领导力：以经济学诠释 285
14.1事情背后的选择 285
14.1.1选择价值链上游：剪刀差效应 285
14.1.2学会审时度势：美林时钟 286
14.1.3谨慎选择别人的经验：推绳子效应 286
14.1.4平衡是一个难题：萨伊定律与凯恩斯法则 287
14.2人员之间的协同 288
14.2.1你闪开，让我来：绝对优势与相对优势 288
14.2.2无条件开放：零和博弈与合作共赢 289
14.2.3教会团队成员什么是沉没成本 290
第15章 软实力：靠心理学打造 294
15.1向内求：耐心、谦逊、热心 294
15.1.1让自己“延迟满足” 294
15.1.2对表扬免疫 295
15.1.3不怕丢脸地分享 297
15.2对外看：大局、妥协、有趣 297
15.2.1看问题需要“上帝视角” 298
15.2.2率真对内，圆滑对外 298
15.2.3一切从简，有趣有梦 299