当前位置: 100md首页 > 电子书籍 > 资料2025 > 一些大合集 > 分类电子书1（34类）
编号:89092
《数据产品经理必修课：从零经验到令人惊艳》.epub .pdf .txt
基本信息：
    书名： 数据产品经理必修课：从零经验到令人惊艳
    作者： 李鑫著.
    出版社/出版时间： 北京 ：电子工业出版社，2018.42018-02-28
    国际标准书号： 978-7-121-33695-9
    电子版包括 .epub .pdf .txt等格式：
    《数据产品经理必修课：从零经验到令人惊艳》李鑫 .epub 文件 7189 KB,
    《数据产品经理必修课：从零经验到令人惊艳》李鑫 .pdf 文件 11965 KB,
    《数据产品经理必修课：从零经验到令人惊艳》李鑫 .txt 文件 569 KB。
pdf部分截图：
    第1页
    第2页
    第304页
    第10页
    第14页
    第114页
    第21页
    第225页
    第40页
    第72页
    第179页
    第90页

目录简介：
        推荐序1
        推荐序2
        前言
        读者服务
        第一部分 产品经理的前世今生
        第1章 产品经理的前世
        1.1 产品经理究竟是什么
        1.1.1 咬文嚼字说产品经理
        1.1.2 产品经理的历史溯源
        1.2 泛产品经理与产品经理
        1.2.1 产品经理的专业取向
        1.2.2 产品经理的泛化
        1.3 互联网产品经理的规定动作
        1.3.1 需求调研
        1.3.2 竞品分析
        1.3.3 原型设计
        第2章 产品经理的今生
        2.1 卖家秀：自我提升的几项技能
        2.1.1 从需求文档到动机文档
        2.1.2 从竞品分析到广义竞品分析
        2.1.3 从原型设计到交互设计
        2.2 买家秀：搞垮团队的若干“要领”
        2.2.1 越过产品雷池
        2.2.2 踏入团队雷池
        2.2.3 迈向公司雷池
        第3章 产品经理的入行
        3.1 入行做产品的几种可能
        3.1.1 源自技术岗
        3.1.2 源自业务岗
        3.1.3 源自应届生
        3.2 上岗后的第一件事
        3.2.1 产品全图
        3.2.2 行业全图
        3.2.3 产业全图
        3.3 工作中如何学习
        第二部分 古往今来的数据思维
        第4章 历史中的数据思维
        4.1 人口普查：最早的数据埋点策略
        4.1.1 埋点的技术视角
        4.1.2 埋点的时机与策略
        4.2 命令与征服：可视化最早的用意
        4.2.1 可视化大家说
        4.2.2 可视化与历史
        4.3 科技革命：助力数据产品落地
        4.3.1 手工统计
        4.3.2 机械统计
        4.3.3 电子统计
        4.4 数据驱动决策的历史溯源
        4.4.1 美国建立时用数据分权
        4.4.2 南北战争时用数据进军
        4.4.3 经济发展时用数据裁判
        4.5 管理咨询：使用数据降本增效
        4.5.1 咨询指引数据产品方向
        4.5.2 管理启迪思维模式更新
        4.6 聊聊统计学
        4.6.1 政治算术
        4.6.2 频率学派
        4.6.3 概率学派
        4.7 LEHD：美国的第一个大数据项目
        4.7.1 信息逐步开放
        4.7.2 大数据项目开展
        4.8 历史给我们数据思维的启示
        4.8.1 用数据说话
        4.8.2 向贤者取经
        4.8.3 渐进性创新
        4.8.4 需求创造供给
        第5章 行业拥抱数据思维
        5.1 大数据从何而来
        5.1.1 大数据历史
        5.1.2 自身发展
        5.2 大数据的全球格局与中国面貌
        5.2.1 全球格局
        5.2.2 中国面貌
        5.2.3 行业概览
        5.3 大数据+“治理与交通”
        5.3.1 治理
        5.3.2 交通
        5.4 大数据+“零售与金融”
        5.4.1 零售
        5.4.2 金融
        5.5 大数据+“体育与教育”
        5.5.1 体育
        5.5.2 教育
        5.6 大数据+“医疗与旅游”
        5.6.1 医疗
        5.6.2 旅游
        5.7 大数据+“农业与制造”
        5.7.1 农业
        5.7.2 制造
        5.8 大数据行业成熟了吗
        5.8.1 行业成熟度
        5.8.2 大数据理念
        5.8.3 大数据趋势
        5.9 大数据在产业中的位置
        5.9.1 行业组成
        5.9.2 产业构成
        第6章 当产品经理遇见数据思维
        6.1 下一站：数据科学家
        6.1.1 数据科学的历史由来
        6.1.2 数据科学与商业智能
        6.1.3 数据科学的职业分类
        6.1.4 数据分析的技能进阶
        6.2 数据产品经理的职业新要求
        第三部分 数据产品经理的技能进阶
        第7章 面向产品经理的数据预处理
        7.1 数据分析的标准姿势
        7.2 淘洗数据沙砾(数据清洗)
        7.2.1 缺失值
        7.2.2 异常值
        7.2.3 归一化
        7.3 聚细沙成佛塔(数据集成)
        7.3.1 实体识别
        7.3.2 冗余性识别
        7.4 换个姿势再来一次(数据变换)
        7.4.1 离散化
        7.4.2 属性构造
        7.5 少即是美(数据规约)
        7.5.1 特征规约
        7.5.2 样本规约
        第8章 面向产品经理的统计分析
        8.1 说有信息量的话(非时序数据的统计量)
        8.1.1 集中趋势
        8.1.2 离散趋势
        8.1.3 数据分布
        8.2 股票指数是什么(时序数据的统计量)
        8.2.1 “三比”
        8.2.2 股票指数
        8.3 男女真的有别吗(分类数据的统计量)
        8.3.1 卡方是什么
        8.3.2 卡方怎么算
        8.4 相关性不是因果性(连续数据的统计量)
        8.4.1 Pearson
        8.4.2 Spearman
        8.4.3 Kendall
        8.5 数据不能承受之“熵”
        8.5.1 物理中的“熵”
        8.5.2 信息中的“熵”
        第9章 面向产品经理的数据挖掘
        9.1 学数据挖掘，只需要高中数学
        9.1.1 重温“加减乘除”
        9.1.2 重温“比值”
        9.1.3 重温“函数”
        9.1.4 重温“符号”
        9.2 线性回归：人为什么没有严重两极分化
        9.2.1 优生学趣闻
        9.2.2 空间中的直线
        9.3 逻辑回归：种群增长的S型曲线
        9.3.1 种群的增长曲线
        9.3.2 S型曲线的秘密
        9.4 朴素贝叶斯：面相占卜工作原理
        9.4.1 外貌协会与街头看相
        9.4.2 无处不在的贝叶斯
        9.5 决策树：爱情选择背后的心理学意义
        9.5.1 爱情选择条件多
        9.5.2 不纠结的小技巧
        9.6 K-means：寻找物理学上的质心
        9.6.1 向中心看齐
        9.6.2 站错队的后果
        9.7 层次聚类：分而治之与抱团取暖
        9.7.1 分而治之
        9.7.2 抱团取暖
        9.8 DBScan：帝国崛起的定居、建国与扩张
        9.8.1 密度打败划分
        9.8.2 相似的帝国发展路径
        9.9 关联规则挖掘：“啤酒和尿布”是个谎言
        9.9.1 讹传已久的商业故事
        9.9.2 关联规则的三重门
        9.10 时间序列分析：聊聊《周易》
        9.10.1 时间序列分析的玄妙
        9.10.2 时间序列分析的正经
        9.11 集成学习：三个臭皮匠赛过诸葛亮
        9.11.1 多拜师与拜大师
        9.11.2 向大家与失败学习
        9.12 文本挖掘：让机器读懂你
        9.13 社交网络：隐私无处遁形
        9.14 排序：简约而不简单的事
        9.14.1 排序的规则方法
        9.14.2 排序的操作机理
        9.15 推荐系统：“今日头条”背后的秘密
        9.16 用户画像：隐私是个“伪命题”
        9.17 算法思想中的哲学内涵
        第10章 面向产品经理的数据可视化
        10.1