本书以笔者多年管理总结的产品经理M-P能力模型出发，介绍该能力模型中的数据驱动相关内容。书中内容主要分为建设与应用两部分，在建设部分，主要讲述产品经理如何为一家公司建立起一套数据分析体系产品。在应用部分，通过多套数据分析模型为大家讲解了如何使用搭建的数据分析体系完成三个层次的业务决策指导，这三个层次分别为业务日常运营监控、业务黑客增长的数据驱动，以及以总监级别的思维来看数据推动公司战略/产品战略。此外，在本书中还通过一个案例来贯穿全书，以帮助大家迅速掌握书中所讲述的内容。
1、本书以掌握数据分析实战技能为撰写目的，是互联网行业中想进阶的产品新人趁手的学习宝典。
2、案例丰富，以L公司搭建数据分析体系的案例贯穿全书，为读者展示如何在一家公司中落地数据产品体系设计，并将其应用于企业分析中。
3、书中不仅介绍了完整的数据概念，还介绍了数据应用与数据驱动企业战略的整个数据生命周期，让读者能建立起完整的数据分析知识体系。
4、书中拥有大量数据分析体系的实战产出物，读者可直接借鉴至自己工作场景中。
我的第二本书
前段时间，编辑提醒我要写本书的前言了，回想这本书的创作过程，感觉又是一次阶段性的复盘沉淀。我现在所处的行业恰巧是一个风口领域，在风口领域中虽然很容易感受产品迭代的速度，但是这也意味着每日的工作强度极高，每天下班到家基本已是深夜11点。虽然在前期我已经花了大量时间构思本书，但是真正开始撰稿时，仍觉得十分辛苦。白天要上班，只能在夜深人静的时候去写作，对我来说，那段时间可谓一周7天无休地工作。
可能有读者想知道为什么都处在这样的工作强度下了，我还要创作第二本产品类图书。看过我的公众号三爷茶馆或者我的本书《中台产品经理宝典》的读者应该都知道，我是一个特别爱分享的人。在我的人生计划里，把自己这些年在产品领域沉淀的一些方法论成体系地输出是一项重要任务。于是在本书里，我基于自己多年带团队与招聘产品人的要求，为一个成熟且高阶的产品人应有的产品方法论体系下了个定义：以M-P能力模型为核心的产品方法论合集。
具体就像我在本书中所写的：
每位高阶产品经理应该具有M-P能力模型。M-P能力模型是对产品经理掌控产品的整个生命周期所必须拥有的能力的统称，具体来说，该模型分为两部分：
M（Market）部分：市场运作能力，即将一个应用投放到市场并盈利的能力。
P（Product）部分：需求生产能力，即将一个想法变成一个App或网页等落地应用的能力。
首先让我们基于M-P能力模型对产品经理类型进行逐个划分。我们将不同产品经理划分为2个大类4种类型，如表13-1所示。
再让我们把M-P能力模型中的4种能力填入这几个产品经理分类中，我们就得到了一个象限坐标，如图13-2所示。
至此我们可以对高阶这个词做出一个准确的解释了：所谓高阶的产品经理，实质上就是掌握了M-P能力模型中偏市场层面的能力，能以大局观来看待整个产品的问题。
本书主要是以业务建模的视角撰写了产品的方法论，在我看来只算是输出了M-P能力模型中一半的产品方法论（如图1所示），这对于想要成为一个高阶产品经理的读者来说还是不够的。
图1 一半的产品方法论
基于上面提到的M-P能力模型可知，想成为一名高阶产品经理，少需要掌握图2中两个模块的知识与技能。
图2 两个模块
很多读者在读完《中台产品经理宝典》一书后，也意识到了目前只是掌握了部分M-P能力模型，还有更多的知识需要学习（如图3所示），便在我的公众号后台留言问我能不能再讲一些关于数据驱动以及企业市场战略选择的内容。
图3 书与对应的模块
为了补充M-P能力模型所欠缺的内容，并将该模型下完整的产品知识体系梳理出来，我又开始了第二本书漫长的撰写过程。
对于这本书，撰写的目标就是为希望冲刺高阶产品经理的读者补充M-P模型中数据驱动产品设计这一领域的知识。本书与上一本书相配合，可以帮助希望快速成长的产品人建立起一套完整的高阶产品方法论知识体系。
本书内容
自上一本书出版后，很多读者反馈，特别喜欢我采用通俗的语言来讲述概念，这种模式可以帮助他们理解与吸收相关知识。因此本书仍沿用这种写作方式，以帮助大家更好地理解数据驱动这一领域的内容。此外我在本书中增加了一个贯穿全书的案例来帮助大家全面理解书中的知识点。
本书内容共分为四个篇。
篇为概念篇（第1～2章）
这一篇以数据产品经理的工作流为背景，介绍如何掌握数据驱动产品设计的理念，并为大家讲述以管理者的视角来看，产品经理的能力分为哪几类，让大家建立起一个正确的产品设计思维根据数据现状驱动并决策产品的发展方向。
第二篇为搭建篇（第3～9章）
这一篇展示如何通过一个通用的框架来帮助一家初创公司搭建一个完整的数据分析体系，从需求分析到方案设计都有涉及，并以一个完整案例介绍了整个搭建过程。
第三篇为应用篇（第10～13章）
上一篇建立的数据分析平台的本质是帮助业务人员针对产品的用户进行全生命周期的管理，并使用数据分析常用模型驱动业务决策。本篇内容将从两个维度展开：一是日常运营所用到的模型，二是企业黑客增长所用的模型。这样就可以帮助大家在日常工作中建立完整的运营与增长双体系数据驱动思维了。
第四篇为进阶篇（第14～16章）
通过前面的篇章我们已经学习了数据分析体系的整个搭建过程，本书的后一篇将为大家带来一个总监级企业战略研判技能，带领大家进入一家企业运作的核心战略管理的学习。
此外，为了帮助读者日常记忆与复习，我将本书所涉及的内容提炼成100个关键知识点，并以附录的形式提供，方便大家快速查找与翻阅。
致谢
写作是一件痛并快乐着的事情，从确定大纲到完成全稿，可以说是一个巨大的项目。在这个过程中我要感谢编辑Lisa，感谢她以精益求精的态度和责任心帮助我完成了书稿后期的多次审校与修改，并给我提供了很多专业的建议。
此外我还要感谢何秋菲女士，感谢她在我写书过程中给予的鼓励与支持。
希望本书能帮助在产品路上不断前进的你更好地成就自己！
后，或许是巧合，写完前言的今天刚好是父亲节，那么就请允许我以本书作为父亲节的礼物送给我敬爱的父亲刘伯言，祝父亲身体健康！
刘天 于上海
刘天，东华大学项目管理硕士，日本京都大学访问学者，曾为科研项目带头人，TMT领域投研顾问/MBA特约讲师/互联网峰会特邀演讲嘉宾，先后就职于万达、叮咚买菜等公司，负责过多个集团级中台与电商平台业务的产品整体规划，在商业模式拆解与集团级产品体系搭建方面拥有极其丰富的经验。著有《中台产品经理宝典》一书。
前 言
概念篇 数据驱动产品设计概述 / 1
第1章 揭开数据产品经理的神秘面纱 / 3
1.1 市面上为什么有那么多类产品经理 / 3
1.2 公司内部的产品经理架构 / 5
1.2.1 公司内部的上层建筑 / 6
1.2.2 公司内部的底层基础 / 8
1.3 闭环产品体系设计模型 / 10
1.4 数据产品经理的能力模型与分类 / 12
1.4.1 数据产品经理的能力模型 / 12
1.4.2 数据产品经理的分类 / 16
第2章 数据产品经理的工作场景 / 18
2.1 数据产品经理的工作流程 / 18
2.2 业务演进对数据分析的需求 / 19
2.2.1 业务演进历程 / 20
2.2.2 企业战略业务演进历程 / 23
2.2.3 业务演进中的数据分析 / 32
搭建篇 从零到一搭建数据分析体系 / 33
第3章 数据分析体系入门 / 35
3.1 为什么需要数据分析体系 / 35
3.2 数据分析体系概念的常见误区 / 37
3.3 数据分析体系构成框架 / 38
3.4 案例00：L电商公司数据分析的背景介绍 / 40
第4章 数据分析体系搭建路径 / 43
4.1 通用行动框架 / 43
4.1.1 搭建数据分析平台 / 43
4.1.2 案例01：L公司行动框架梳理 / 44
4.2 工作任务1：当前业务现状调研 / 46
4.2.1 产品生命周期概念 / 47
4.2.2 如何判断产品所处阶段 / 50
4.2.3 案例02：L公司当前业务现状调研 / 55
4.3 工作任务2：当前数据分析体系调研 / 60
4.3.1 案例03：L公司当前的数据分析体系调研 / 60
4.3.2 如何寻找北极星指标 / 62
4.4 工作任务3：数据分析平台设计 / 64
4.4.1 演进蓝图设计 / 65
4.4.2 案例04：L公司数据分析平台的规划 / 66
4.5 工作任务4：数据分析体系驱动决策 / 68
4.5.1 数据驱动决策思维的建立 / 68
4.5.2 案例05：L公司的数据驱动决策 / 68
第5章 玩转数据报表设计 / 70
5.1 数据报表设计 / 70
5.2 案例06：L公司的数据报表设计 / 71
5.3 数据报表分析法 / 73
5.4 案例07：L公司基于数据报表的分析 / 75
5.5 数据源管理 / 77
5.6 案例08：L公司数据底层取用逻辑改造 / 81
第6章 数据指标 / 87
6.1 指标是什么 / 88
6.2 指标的基本构成 / 89
6.2.1 指标的构成公式 / 90
6.2.2 案例09：L公司电商平台指标库的梳理 / 92
6.3 指标体系 / 96
第7章 从零开始设计指标体系 / 98
7.1 指标体系建立方法论 / 98
7.2 确定数据分析目标 / 99
7.3 纵向指标维度定义 / 100
7.3.1 为什么要定义指标体系的深度 / 100
7.3.2 案例10：L公司纵向指标维度定义 / 101
7.4 横向指标维度定义 / 102
7.4.1 指标的寻找方法 / 103
7.4.2 自上而下的指标寻找法 / 103
7.4.3 自下而上的指标寻找法 / 106
7.4.4 案例11：L公司横向指标维度定义 / 107
7.4.5 电商类业务常用指标库 / 111
7.5 拓展：指标体系的应用 / 112
7.5.1 99元健身卡的数据秘密 / 112
7.5.2 网盘容量免费大战的背后 / 113
第8章 数据采集管理 / 116
8.1 数据采集的常见方式 / 117
8.2 案例12：L公司数据采集定义 / 118
8.3 数据核心采集方式：埋点 / 120
8.3.1 原则1：反应事件 / 120
8.3.2 原则2：描述完整 / 121
8.3.3 原则3：用户追踪 / 121
8.3.4 案例13：L公司埋点设计分析 / 122
8.3.5 案例14：撰写数据埋点文档 / 125
第9章 拓展：数据分析平台2.0 / 128
9.1 案例15：L公司数据分析平台2.0 / 128
9.2 案例16：L公司线下零售业务数据模型 / 129
9.3 案例17：L公司小数据中台的建设 / 134
应用篇 数据分析体系驱动业务决策 / 141
第10章 数据驱动业务决策框架 / 143
10.1 什么是数据驱动业务决策框架 / 143
10.2 数据驱动业务决策框架的组成 / 145
第11章 日常运营的十八般武艺 / 148
11.1 案例18：L公司电商的日常运营 / 148
11.2 商品运营数据模型 / 149
11.2.1 案例19：L公司的商品运营 / 150
11.2.2 杜邦分析模型 / 155
11.2.3 案例20：L公司杜邦分析实战 / 156
11.3 用户运营数据模型 / 158
11.3.1 用户流失 / 158
11.3.2 用户召回 / 161
11.3.3 用户留存 / 161
11.3.4 案例21：L公司的用户运营 / 164
11.4 产品运营数据模型 / 168
11.4.1 什么是数据事件 / 168
11.4.2 案例22：L公司的产品运营 / 169
11.4.3 通用事件定义 / 170
11.4.4 案例23：L公司漏斗分析实战 / 171
第12章 数据助力实现黑客增长 / 175
12.1 什么是黑客增长 / 175
12.2 黑客增长的实现 / 176
12.2.1?黑客增长的核心6步 / 176
12.2.2 案例24：L公司提升平台单日用户加购量 / 177
12.3 案例25：L公司电商的黑客增长 / 179
12.4 用户增长数据模型 / 179
12.4.1 用户分层模型 / 180
12.4.2 用户生命周期分层 / 182
12.4.3 高阶分层模型：RFM / 184
12.5 渠道增长数据模型 / 186
12.5.1 归因分析 / 187
12.5.2 常见的归因模型 / 187
12.5.3 案例26：L公司归因分析模型应用 / 189
12.6 产品增长数据模型 / 190
12.6.1 AARRR模型 / 191
12.6.2 案例27：L公司AARRR模型关键环节实战 / 194
12.6.3 NPS推荐值模型 / 198
12.6.4 案例28：L公司的NPS模型应用 / 200
12.6.5 A/B Test模型 / 203
12.6.6 案例29：L公司的A/B Test模型应用 / 206
第13章 L公司数据模型综合案例 / 212
13.1 案例30：L公司会员付费率增长方案 / 212
13.2 案例31：L公司会员付费率增长运营 / 213
13.3 案例32：L公司中的辛普森悖论 / 218
13.4 案例33：L公司1.0方案投放验证 / 221
进阶篇 跟CEO学习企业战略研判 / 225
第14章 数据驱动下的企业战略规划 / 227
14.1 企业战略规划是什么 / 228
14.1.1 企业战略规划定义 / 228
14.1.2 从两个维度读懂企业战略规划 / 229
14.2 为什么要懂企业战略规划 / 230
14.2.1?跳出工具人的设定 / 230
14.2.2?进入企业决策层 / 232
14.2.3?理解企业是如何运作的 / 233
第15章 企业战略规划分析 / 234
15.1 企业战略 / 236
15.2 企业经营阶段 / 238
15.2.1 产品阶段 / 238
15.2.2 运营规模化阶段 / 240
15.2.3 持续经营阶段 / 243
15.2.4 资本扩张阶段 / 245
15.3 企业经营管理 / 245
第16章 基于企业战略规划驱动产品设计 / 248
16.1 业务发展目标拆解 / 248
16.1.1 步骤01：明确企业战略指标 / 249
16.1.2 步骤02：拆解关键转化链路 / 250
16.1.3 步骤03：确定业务发展计划 / 252
16.1.4 步骤04：罗列业务干系人的影响 / 254
16.1.5 步骤05：制订产品计划 / 254
16.2 产品架构落地 / 254
附录 全书100个核心知识点速查 / 259
书单推荐
