1，新书《数据产品经理：解决方案与案例分析》的整体评价

2，我对每个章节（对应14个应用场景）的精华摘要和引申讨论

篇幅会比较长（5000字，且多图），希望大家能耐心读到底。

1、新书《数据产品经理：解决方案与案例分析》的整体评价

【一个类比】

在给出这本书的个人整体评价之前，我想先打个比方：

咱们可以想象有这么一个动物园，我们游览的时候发现，它不仅有动物展区，还有一些食虫草这类的植物展区，我们会疑惑，这是动物么？然后继续逛，还会发现爬行动物展区，在相隔不远的地方分别有两个展馆？只是馆藏布置有差异，细看下来，里面的动物都差不多？还有，为啥爬虫馆旁边紧挨着的是狮虎山，昆虫馆旁边紧挨着的是海洋馆？这种位置顺序的安排有啥讲究么？每个展馆细看的时候发现，对每种动物，动物园官方只是给出了名字、来源地等简单的背景介绍，至于这个动物为啥会有一些独特的行为表现，丝毫没有展开介绍

但即便如此，我们也会猜想到，小朋友们应该挺喜欢的。因为可以看到平时很少看到的动物，这就足够惊喜了。从没见过—>第一次见，会产生惊喜，可再去两三次呢？小朋友们又能从这个动物园真的收获什么么？难道动物园不应该做的更好一些么？

btw：如果想知道好动物园什么样，《逛动物园是件正经事》可以

【评价打分】

这本书给我的感觉，也是如同上面类比的那个动物园。所以5?满分的话，我个人只能给这本书3?

可以从本书的章节目录开始，感受下为啥我会有那个类比，以及为啥它最多3?

我总觉得吧，书，就应该是体系化的呈现某个领域的专业内容，而非东拼西凑的话题聚合。但本书从结构上看，首先，“数据建设”“数据营销”“数据驱动”就不在同一个层级维度。其次，这3个维度能MECE的覆盖数据产品的所有形态么？同时，“数据驱动”里面的内容，跟数据产品的关系很弱，更多是场景背景介绍，多少有点动物园里展示植物的错乱感

进一步，在不到300页的篇幅里，要讲10来个应用场景，就导致每个场景的介绍都很难展开深入。更不走运的是，大部分章节都会重点先搭建一个大而全的框架，只给具体案例留了寥寥几页的篇幅，就导致大部分应用场景的描述，都平淡且缺乏独家感。我在市面上稍微花点时间搜索下，都能找到质量不比它差的公众号文章，而且还是免费的，就会显得本书主要作用好像只是帮新手小白们收集好了材料而已

综上，3星，是我对本书的整体评价。它就像市面上几乎所有数据产品一样，堆砌功能，缺少一个真正的产品经理去统筹串联组织。

但抛开作为一本书的整体性，单看具体每个章节，把他们当成公众号文章合辑来读，还是有一些写的颇见功底的！比如：

第1章，自动化数据分析平台搭建

第6章，利用社会化聆听辅助商业决策

第8章，游戏商业化的关键问题和解决方案

【引申讨论】

我觉得比较好的结构和章节安排，还是要结合数据产品的定义?

按照基础、中间、应用3个层次展开，每个层次内都会有对应的数据产品。且每个章节的描述，不要贪大求全，就尽量从一个最难点、亮点的地方切入，以小见大，讲清楚在这个场景设计数据产品的精要，就挺好～

本书的一大特点就是作者多，有14位作者共同编写。我觉得这个特点本来也可以是优点，因为一个人不可能有那么丰富的经历，遍历数据产品领域的各个场景。实践应用案例类的书籍，作者多些是好事儿，只要能统筹串联好就行；但理论知识类的书，还是尽量不要超过3个作者比较好。从缤纷到杂乱，往往只在一线间

2、我对每个章节内容（对应14个应用场景）的精华摘要和引申讨论

2.1，自动化数据分析平台搭建

【整体评价】

4星推荐。结合数据分析工作流程，设计了一个自动化数据分析平台，实现了需求的管理、经验的沉淀、分析的自动化、结果的可视化、结论的消息推送。该篇废话很少，读起来有种看资深从业者解读他的数据产品需求单，是个很好的学习case

【精华摘要】

本章的作者对数据分析工作流程做了很清晰的梳理，并且基于这个流程，设计了自动化数据分析平台。整体感觉，很像是常规的项目管理工具、与可视化数据分析平台的融合

类似一个产品需求单可以拆解成很多子需求，一个数据需求单也可以拆解成不同的数据分析单，供不同分析师合作处理。每个数据分析单，都会涉及到数据集的选用、数据处理、数据展示和数据交付，这也都对应了不同的功能

【引申讨论】

上面提到过，感觉这是一个项目管理+数据分析平台的融合，也可以理解为是项目管理平台在数据分析方向的深度定制化。那么在其他领域是不是也可以有这类东西？比如设计？

这个case作者提到一个价值点，就是可以沉淀分析思路和方法，我理解就是业务理解+分析方法+工具代码。但沉淀下来之后，怎么让后续有相似问题的人，能快速检索到前人的经验，是需要好好设计管理下需求单的标签

最后部分，作者也定性的列出了这个平台的价值，但大家都懂，在这个降本增效的时代，老板们都要求定量的给价值。我们想想看，这个平台如果真的算人效算产出，真的是“盈利”的么？我觉得不好说，即便能算出来盈利，计算的过程也想必非常痛苦+模糊。但我们又明明都能感觉到，这个平台是有价值的，这就很神奇了。1+1就是等于2，但有些老板就是要让你证明，你说怎么办？我觉得吧，降本增效肯定是看整体的，每个局部组件都追求最优，全局就一定能最优么？有些东西，明明就是好东西，还非要证明。这就跟凡事都要靠数据做决策，不愿自己拍板一样，是推卸责任的一种表现

2.2，数据埋点的应用场景、工作流程与案例分析

【整体评价】

3星可看。四平八稳的一个章节，梳理了埋点的协作流程，并总结一个7步口诀。对埋点没太多标准流程概念的同学，可以了解下

【精华摘要】

点击和曝光埋点协作流程图

可以跟流程图配套的入门级7步实施口诀：

位：埋点的位置

埋：埋点规范对接，前端开发埋点

时：开发进行埋点后联调时间、上线时间

测：埋点在联调、上线时测试

传：埋点测试通过后传的参数，埋点传参经过数据采集、数据仓库（对部分字段进行解析）

表：埋点经过数据采集、数据仓库传参后落表，为实时或离线Hive表

统：埋点验证成功后的统计

【引申讨论】

无

2.3，数据中台和业务中台如何赋能自动化营销

【整体评价】

3星可看。讲的是营销数据平台，从来没接触过的同学可以看看扫盲，但干货不多。感觉像是公开分享的PPT文字稿，比较粗粒度。整体也不是很前沿，对标阿里和字节的营销数据产品建设来看，有点陈旧了

【精华摘要】

无

【引申讨论】

其实光看PPT上的规划架构图没啥感觉，可以看看实物，比如抖音的这个平台介绍文档，就写的比较详细

https://bytedance.feishu.cn/docs/doccnVjCypo70OcBcr5I02P8AUh

2.4，零售行业数据平台的构建和商业应用

【整体评价】

3星可看。跟第3章情况类似，纯小白可以看看扫盲。重点讲的是零售行业怎么应用线下数据，建设数据平台，指导线下门店销售运营。但缺少线上数据&线下数据的互动融合，讲的也比较大而散

【精华摘要】

无

【引申讨论】

无

2.5，舆情大数据助力精准化营销

【整体评价】

2星不用看。同样是写的比较全比较散，而且还跟第6章内容重叠了，都是讲舆情数据分析辅助营销的。一比就能发现，本章写的略显杂乱，既没深入也没浅出

【精华摘要】

无

【引申讨论】

其实舆情分析是一个比较小的市场，是完全可以被品牌营销洞察包进去的，因为本质上都是基于分析消费者评价内容，回答这么几个问题：

哪些行业消费者近期比较关注？

哪些行业下的细分类目消费者比较关注？

对应类目下的哪些品牌是消费者关注的？

对应品牌下哪些卖点特性是消费者关注的？

消费者对这些卖点特性口碑评价如何？

2.6，利用社会化聆听辅助商业决策

【整体评价】

4星推荐。本章作者讲的简洁清晰，社会化聆听其实感觉就是舆情分析的另一种更4A外企的叫法

【精华摘要】

无

【引申讨论】

文中提到了一个例子，就是通过消费者的海量评论数据，洞察他们对品牌调性的看法。这个case是很有意思的一个交叉领域，叠加了消费心理学的内容。调性这种东西，原本是比较难量化的，经过这种方法也能有一个大概的定量方向，早在5-6年前国内各大互联网广告大厂就在实践了。比如?

基于消费心理学，先定义出不同评论词对应的情感需求维度

再按此计算出目标对象在几个情感需求上的占比，找出消费者最看重的那个

最后针对最看重的“舒适与安全”继续下探，找出具体的创意形式

按上述量化分析，再定性的制作广告创意，给出感性的展示方案

2.7，商品分析方法

【整体评价】

3星可看。商品分析是电商分析中比较核心的一部分，本章基本都是从传统电商平台的角度（商品的进-存-销）介绍了分析的框架维度，可做科普了解

【精华摘要】

作者对促销分析、价格带分析、商品库存分析、库存结构分析、商品前后端分析等都整理了脑图框架，我就摘出其中商品库存分析的部分大家共赏

【引申讨论】

其实商品分析也可以从消费者视角出发来构建分析框架，比如我们脑补下作为一个消费者逛线下商超的景象，当我们走入一个线下商超的时候，映入眼帘的是什么？我们后续一步步又会关注什么？

似乎会是：这个超市有什么货（选品）、货怎么摆放组合（布局）、我想要的是否有货（盘货）、对比选择具体某个商品（单品）。按照这个结构框架，也就会有如下的消费者视角商品分析框架了：

2.8，游戏商业化的关键问题和解决方案

【整体评价】

3星可看。数据在游戏场景的应用已经很久远很深入了，本章作者先充分介绍了问题与背景，然后梗概性的给出了游戏规则引擎的框架图。唯一可惜的点就是受限于篇幅，很多内容都无法展开，只能看个大概

【精华摘要】

规则引擎的主体框架示意图，内行可以看看门道，我这种外行只能看看热闹了~

【引申讨论】

无

2.9，在B端初创公司做数据运营

【整体评价】

2星不用看。标题里的“B端”“数据运营”“初创公司”3个关键词，感觉虽然都写到了，但看完觉得跟普通C端公司做数据分析也没啥差异？就没有读出任何信息增益来，有点失望。从这章内容看，给人一种“B端数据运营就是数据量更小的、弱化版的C端数据分析”的错觉，希望事实不是如此……

【精华摘要】

无

【引申讨论】

无

2.10，海量语音数据的文本转写、分析、挖掘与商业应用

【整体评价】

3星可看。主要讲了数据赋能语音客服，考核检查客户语音质量、匹配推荐合适的客服、为客服提供经典参考话术。但就像开头书评提到的，从本章开始，进入“数据驱动”部分，就基本跟数据产品没太大关系了。更多的是讲应用场景，也没提怎么以数据产品的形式解决这个场景的问题

【精华摘要】

无

【引申讨论】

本章所讲的看起来更多是被动的呼叫后、客服响应，但其实这个领域同样比较重要的是主动外呼。事先通过数据分析好哪些客户可以被AI语音销售外呼先扫一轮，留下有意愿的再转给人工客户对接，可以比较好的节约成本

2.11，提升网约车安全性的数据化解决方案

【整体评价】

2星可不看。背景讲的太多，同时这个领域又恰好是大家普遍比较了解的，就显得有点没营养了。而且本章还有个问题，不仅没提数据产品，干脆连数据怎么在这个领域发挥作用也没说，有点不知道想达到什么写作目标……

【精华摘要】

无

【引申讨论】

无

2.12，视频数据分析实战：智慧安防中的智能视频产品

【整体评价】

2星可不看。讲了几个场景算是对智慧安防领域做科普了吧，数据和产品也都没怎么提到

【精华摘要】

列下这个领域的几个应用场景：

实时监控，对应冲突突发事件快速识别预警；

轨迹回溯，事后回溯人物的运动轨迹；

日常管理，城市进出人员/车辆统计、城市交通优化

【引申讨论】

无

2.13，AI产品经理的工作日常与AI技术在视频平台上的应用

【整体评价】

3星可看。算是AI产品经理在视频领域的一些场景介绍（内容审核、视频封面选择、视频拆条），对主观算法评价的一些经验总结，较有意义

【精华摘要】

视频封面的选择，是一个有意思的AI应用场景。封面图肯定要选好看的，才能提升用户的点击率。但什么是好看？这是一个比较偏主观的评价，该怎么让算法去理解呢？本章作者从反方向给了一些经验和思考，如果定义不了好看，那就用排除法，定义清楚不好看

【引申讨论】

其实AI产品经理是什么、在做啥、核心竞争力是什么，我之前是有详细采访过一位资深同行并总结成文的。

2.14，数据产品经理在推荐中的价值

【整体评价】

3星可看。本章作者科普了推荐系统、以及推荐策略产品经理的工作。但讲真，这个话题市面上已经有很多书单独去讲了，又何必非要在这寥寥十几页去讲这么大的话题呢？在此反复劝告各位想写书的朋友，写点有独家感的东西，没必要非凑篇幅

【精华摘要】

对快手vs抖音推荐系统的分阶段体验总结，市面上较少见：

【引申讨论】

无

今天这篇比较长，信息量也比较大，大家要是一时半会儿看不完，记得先一键三连，再细细品味，切忌收藏=已阅～