第1章 从百度大数据工作的经历说开 1
百度数据板块：网页数据和用户行为数据 3
搜索引擎发展 4
用户行为分析践行：百度知道的回答量提升7.5% 5
从零到一构建百度大数据分析平台 6
数据源与Event模型的重要性 9
大数据是屠龙术 10
第2章 大数据思维与数据驱动 11
大数据的概念 14
大数据之“大” 14
大数据之“全” 15
大数据之“细” 16
大数据之“时” 16
大数据的本质 17
数据驱动理念与现状 20
数据驱动的价值 20
企业内部数据驱动现状 21
理想的数据驱动——“流” 23
大数据时代到来的条件 24
数据采集能力增强 25
数据处理能力增强 26
数据意识的提升 27
第3章 数据驱动的环节 29
数据采集与埋点 32
数据采集的现状 32
数据采集遵循法则 34
科学的数据采集和埋点方式 36
数据的准确性 40
数据建模 44
数据模型与建模 44
多维数据模型 46
多维事件模型 49
多维事件模型的探索经历 52
数据分析方法 55
行为事件分析 55
漏斗分析 58
留存分析 61
分布分析 64
点击分析 67
用户路径 73
用户分群 75
属性分析 80
指标体系构建 82
第一关键指标法 82
海盗指标法 86
第4章 数据驱动产品和运营决策 89
数据驱动运营监控 91
用户获取（Acquisition） 91
激活（Activation） 92
留存（Retention） 97
引荐（Referral） 99
营收（Revenue） 101
数据驱动产品改进和体验优化 102
数据驱动商业决策 104
数据驱动落地企业，要从管理者做起 106
数据驱动商业决策的价值 108
第5章 数据驱动产品智能 109
数据平台及用户智能 114
如何计算热门榜单 114
客服系统中的行为数据 114
为什么需要数据平台 115
数据平台提供的能力 116
数据应用与用户智能 119
基于用户行为数据的用户智能应用 119
用户智能分类：基于规则与机器学习 123
用户智能应用——用户画像 132
两种用户画像：User Persona与User Profile 132
用户画像（User Profile）标签体系的建立 135
用户智能应用——个性化推荐 139
个性化推荐的概念 139
架构实现 140
数据流 142
业务分析与模型选择 143
实验与迭代 144
第6章 各行业实践数据分析全过程 147
互联网金融数据驱动实践 149
实践案例 150
企业服务数据驱动实践 158
数据驱动能够为企业服务做什么 159
面临的挑战 160
数据应用的阶段 161
实践案例 168
零售行业数据驱动实践 175
实践案例 176
电子商务数据驱动实践 186
打破企业发展经营困局：从粗放式到精细化 186
电商企业数据驱动瓶颈 187
实践案例 187
写在最后的话 197