最近正好看到一本資料産品方向的新書，它的整體結構和細節内容，都激發了我的一些想法，于是彙總在一起。今天的内容主要有：
1，新書《資料産品經理：解決方案與案例分析》的整體評價
2，我對每個章節（對應14個應用場景）的精華摘要和引申讨論
篇幅會比較長（5000字，且多圖），希望大家能耐心讀到底。
1、新書《資料産品經理：解決方案與案例分析》的整體評價
【一個類比】
在給出這本書的個人整體評價之前，我想先打個比方：
咱們可以想象有這麼一個動物園，我們遊覽的時候發現，它不僅有動物展區，還有一些食蟲草這類的植物展區，我們會疑惑，這是動物麼？然後繼續逛，還會發現爬行動物展區，在相隔不遠的地方分别有兩個展館？隻是館藏布置有差異，細看下來，裡面的動物都差不多？還有，為啥爬蟲館旁邊緊挨着的是獅虎山，昆蟲館旁邊緊挨着的是海洋館？這種位置順序的安排有啥講究麼？每個展館細看的時候發現，對每種動物，動物園官方隻是給出了名字、來源地等簡單的背景介紹，至于這個動物為啥會有一些獨特的行為表現，絲毫沒有展開介紹
但即便如此，我們也會猜想到，小朋友們應該挺喜歡的。因為可以看到平時很少看到的動物，這就足夠驚喜了。從沒見過—>第一次見，會産生驚喜，可再去兩三次呢？小朋友們又能從這個動物園真的收獲什麼麼？難道動物園不應該做的更好一些麼？
btw：如果想知道好動物園什麼樣，《逛動物園是件正經事》可以
【評價打分】
這本書給我的感覺，也是如同上面類比的那個動物園。是以5?滿分的話，我個人隻能給這本書3?
可以從本書的章節目錄開始，感受下為啥我會有那個類比，以及為啥它最多3?
我總覺得吧，書，就應該是體系化的呈現某個領域的專業内容，而非東拼西湊的話題聚合。但本書從結構上看，首先，“資料建設”“資料營銷”“資料驅動”就不在同一個層級次元。其次，這3個次元能MECE的覆寫資料産品的所有形态麼？同時，“資料驅動”裡面的内容，跟資料産品的關系很弱，更多是場景背景介紹，多少有點動物園裡展示植物的錯亂感
進一步，在不到300頁的篇幅裡，要講10來個應用場景，就導緻每個場景的介紹都很難展開深入。更不走運的是，大部分章節都會重點先搭建一個大而全的架構，隻給具體案例留了寥寥幾頁的篇幅，就導緻大部分應用場景的描述，都平淡且缺乏獨家感。我在市面上稍微花點時間搜尋下，都能找到品質不比它差的公衆号文章，而且還是免費的，就會顯得本書主要作用好像隻是幫新手小白們收集好了材料而已
綜上，3星，是我對本書的整體評價。它就像市面上幾乎所有資料産品一樣，堆砌功能，缺少一個真正的産品經理去統籌串聯組織。
但抛開作為一本書的整體性，單看具體每個章節，把他們當成公衆号文章合輯來讀，還是有一些寫的頗見功底的！比如：
第1章，自動化資料分析平台搭建
第6章，利用社會化聆聽輔助商業決策
第8章，遊戲商業化的關鍵問題和解決方案
【引申讨論】
我覺得比較好的結構和章節安排，還是要結合資料産品的定義?
按照基礎、中間、應用3個層次展開，每個層次内都會有對應的資料産品。且每個章節的描述，不要貪大求全，就盡量從一個最難點、亮點的地方切入，以小見大，講清楚在這個場景設計資料産品的精要，就挺好～
本書的一大特點就是作者多，有14位作者共同編寫。我覺得這個特點本來也可以是優點，因為一個人不可能有那麼豐富的經曆，周遊資料産品領域的各個場景。實踐應用案例類的書籍，作者多些是好事兒，隻要能統籌串聯好就行；但理論知識類的書，還是盡量不要超過3個作者比較好。從缤紛到雜亂，往往隻在一線間
2、我對每個章節内容（對應14個應用場景）的精華摘要和引申讨論
2.1，自動化資料分析平台搭建
【整體評價】
4星推薦。結合資料分析工作流程，設計了一個自動化資料分析平台，實作了需求的管理、經驗的沉澱、分析的自動化、結果的可視化、結論的消息推送。該篇廢話很少，讀起來有種看資深從業者解讀他的資料産品需求單，是個很好的學習case
【精華摘要】
本章的作者對資料分析工作流程做了很清晰的梳理，并且基于這個流程，設計了自動化資料分析平台。整體感覺，很像是正常的項目管理工具、與可視化資料分析平台的融合
類似一個産品需求單可以拆解成很多子需求，一個資料需求單也可以拆解成不同的資料分析單，供不同分析師合作處理。每個資料分析單，都會涉及到資料集的選用、資料處理、資料展示和資料傳遞，這也都對應了不同的功能
【引申讨論】
上面提到過，感覺這是一個項目管理+資料分析平台的融合，也可以了解為是項目管理平台在資料分析方向的深度定制化。那麼在其他領域是不是也可以有這類東西？比如設計？
這個case作者提到一個價值點，就是可以沉澱分析思路和方法，我了解就是業務了解+分析方法+工具代碼。但沉澱下來之後，怎麼讓後續有相似問題的人，能快速檢索到前人的經驗，是需要好好設計管理下需求單的标簽
最後部分，作者也定性的列出了這個平台的價值，但大家都懂，在這個降本增效的時代，老闆們都要求定量的給價值。我們想想看，這個平台如果真的算人效算産出，真的是“盈利”的麼？我覺得不好說，即便能算出來盈利，計算的過程也想必非常痛苦+模糊。但我們又明明都能感覺到，這個平台是有價值的，這就很神奇了。1+1就是等于2，但有些老闆就是要讓你證明，你說怎麼辦？我覺得吧，降本增效肯定是看整體的，每個局部元件都追求最優，全局就一定能最優麼？有些東西，明明就是好東西，還非要證明。這就跟凡事都要靠資料做決策，不願自己拍闆一樣，是推卸責任的一種表現
2.2，資料埋點的應用場景、工作流程與案例分析
【整體評價】
3星可看。四平八穩的一個章節，梳理了埋點的協作流程，并總結一個7步口訣。對埋點沒太多标準流程概念的同學，可以了解下
【精華摘要】
點選和曝光埋點協作流程圖
可以跟流程圖配套的入門級7步實施口訣：
位：埋點的位置
埋：埋點規範對接，前端開發埋點
時：開發進行埋點後聯調時間、上線時間
測：埋點在聯調、上線時測試
傳：埋點測試通過後傳的參數，埋點傳參經過資料采集、資料倉庫（對部分字段進行解析）
表：埋點經過資料采集、資料倉庫傳參後落表，為實時或離線Hive表
統：埋點驗證成功後的統計
【引申讨論】
無
2.3，資料中台和業務中台如何賦能自動化營銷
【整體評價】
3星可看。講的是營銷資料平台，從來沒接觸過的同學可以看看掃盲，但幹貨不多。感覺像是公開分享的PPT文字稿，比較粗粒度。整體也不是很前沿，對标阿裡和位元組的營銷資料産品建設來看，有點陳舊了
【精華摘要】
無
【引申讨論】
其實光看PPT上的規劃架構圖沒啥感覺，可以看看實物，比如抖音的這個平台介紹文檔，就寫的比較詳細
https://bytedance.feishu.cn/docs/doccnVjCypo70OcBcr5I02P8AUh
2.4，零售行業資料平台的建構和商業應用
【整體評價】
3星可看。跟第3章情況類似，純小白可以看看掃盲。重點講的是零售行業怎麼應用線下資料，建設資料平台，指導線下門店銷售營運。但缺少線上資料&線下資料的互動融合，講的也比較大而散
【精華摘要】
無
【引申讨論】
無
2.5，輿情大資料助力精準化營銷
【整體評價】
2星不用看。同樣是寫的比較全比較散，而且還跟第6章内容重疊了，都是講輿情資料分析輔助營銷的。一比就能發現，本章寫的略顯雜亂，既沒深入也沒淺出
【精華摘要】
無
【引申讨論】
其實輿情分析是一個比較小的市場，是完全可以被品牌營銷洞察包進去的，因為本質上都是基于分析消費者評價内容，回答這麼幾個問題：
哪些行業消費者近期比較關注？
哪些行業下的細分類目消費者比較關注？
對應類目下的哪些品牌是消費者關注的？
對應品牌下哪些賣點特性是消費者關注的？
消費者對這些賣點特性口碑評價如何？
2.6，利用社會化聆聽輔助商業決策
【整體評價】
4星推薦。本章作者講的簡潔清晰，社會化聆聽其實感覺就是輿情分析的另一種更4A外企的叫法
【精華摘要】
無
【引申讨論】
文中提到了一個例子，就是通過消費者的海量評論資料，洞察他們對品牌調性的看法。這個case是很有意思的一個交叉領域，疊加了消費心理學的内容。調性這種東西，原本是比較難量化的，經過這種方法也能有一個大概的定量方向，早在5-6年前國内各大網際網路廣告大廠就在實踐了。比如?
基于消費心理學，先定義出不同評論詞對應的情感需求次元
再按此計算出目标對象在幾個情感需求上的占比，找出消費者最看重的那個
最後針對最看重的“舒适與安全”繼續下探，找出具體的創意形式
按上述量化分析，再定性的制作廣告創意，給出感性的展示方案
2.7，商品分析方法
【整體評價】
3星可看。商品分析是電商分析中比較核心的一部分，本章基本都是從傳統電商平台的角度（商品的進-存-銷）介紹了分析的架構次元，可做科普了解
【精華摘要】
作者對促銷分析、價格帶分析、商品庫存分析、庫存結構分析、商品前後端分析等都整理了腦圖架構，我就摘出其中商品庫存分析的部分大家共賞
【引申讨論】
其實商品分析也可以從消費者視角出發來建構分析架構，比如我們腦補下作為一個消費者逛線下商超的景象，當我們走入一個線下商超的時候，映入眼簾的是什麼？我們後續一步步又會關注什麼？
似乎會是：這個超市有什麼貨（選品）、貨怎麼擺放組合（布局）、我想要的是否有貨（盤貨）、對比選擇具體某個商品（單品）。按照這個結構架構，也就會有如下的消費者視角商品分析架構了：
2.8，遊戲商業化的關鍵問題和解決方案
【整體評價】
3星可看。資料在遊戲場景的應用已經很久遠很深入了，本章作者先充分介紹了問題與背景，然後梗概性的給出了遊戲規則引擎的架構圖。唯一可惜的點就是受限于篇幅，很多内容都無法展開，隻能看個大概
【精華摘要】
規則引擎的主體架構示意圖，内行可以看看門道，我這種外行隻能看看熱鬧了~
【引申讨論】
無
2.9，在B端初創公司做資料營運
【整體評價】
2星不用看。标題裡的“B端”“資料營運”“初創公司”3個關鍵詞，感覺雖然都寫到了，但看完覺得跟普通C端公司做資料分析也沒啥差異？就沒有讀出任何資訊增益來，有點失望。從這章内容看，給人一種“B端資料營運就是資料量更小的、弱化版的C端資料分析”的錯覺，希望事實不是如此......
【精華摘要】
無
【引申讨論】
無
2.10，海量語音資料的文本轉寫、分析、挖掘與商業應用
【整體評價】
3星可看。主要講了資料賦能語音客服，考核檢查客戶語音品質、比對推薦合适的客服、為客服提供經典參考話術。但就像開頭書評提到的，從本章開始，進入“資料驅動”部分，就基本跟資料産品沒太大關系了。更多的是講應用場景，也沒提怎麼以資料産品的形式解決這個場景的問題
【精華摘要】
無
【引申讨論】
本章所講的看起來更多是被動的呼叫後、客服響應，但其實這個領域同樣比較重要的是主動外呼。事先通過資料分析好哪些客戶可以被AI語音銷售外呼先掃一輪，留下有意願的再轉給人工客戶對接，可以比較好的節約成本
2.11，提升網約車安全性的資料化解決方案
【整體評價】
2星可不看。背景講的太多，同時這個領域又恰好是大家普遍比較了解的，就顯得有點沒營養了。而且本章還有個問題，不僅沒提資料産品，幹脆連資料怎麼在這個領域發揮作用也沒說，有點不知道想達到什麼寫作目标......
【精華摘要】
無
【引申讨論】
無
2.12，視訊資料分析實戰：智慧安防中的智能視訊産品
【整體評價】
2星可不看。講了幾個場景算是對智慧安防領域做科普了吧，資料和産品也都沒怎麼提到
【精華摘要】
列下這個領域的幾個應用場景：
實時監控，對應沖突突發事件快速識别預警；
軌迹回溯，事後回溯人物的運動軌迹；
日常管理，城市進出人員/車輛統計、城市交通優化
【引申讨論】
無
2.13，AI産品經理的工作日常與AI技術在視訊平台上的應用
【整體評價】
3星可看。算是AI産品經理在視訊領域的一些場景介紹（内容稽核、視訊封面選擇、視訊拆條），對主觀算法評價的一些經驗總結，較有意義
【精華摘要】
視訊封面的選擇，是一個有意思的AI應用場景。封面圖肯定要選好看的，才能提升使用者的點選率。但什麼是好看？這是一個比較偏主觀的評價，該怎麼讓算法去了解呢？本章作者從反方向給了一些經驗和思考，如果定義不了好看，那就用排除法，定義清楚不好看
【引申讨論】
其實AI産品經理是什麼、在做啥、核心競争力是什麼，我之前是有詳細采訪過一位資深同行并總結成文的。
2.14，資料産品經理在推薦中的價值
【整體評價】
3星可看。本章作者科普了推薦系統、以及推薦政策産品經理的工作。但講真，這個話題市面上已經有很多書單獨去講了，又何必非要在這寥寥十幾頁去講這麼大的話題呢？在此反複勸告各位想寫書的朋友，寫點有獨家感的東西，沒必要非湊篇幅
【精華摘要】
對快手vs抖音推薦系統的分階段體驗總結，市面上較少見：
【引申讨論】
無
今天這篇比較長，資訊量也比較大，大家要是一時半會兒看不完，記得先一鍵三連，再細細品味，切忌收藏=已閱～