数据产品设计 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

艾达 著

图书标签:

• 数据产品
• 产品设计
• 数据分析
• 用户体验
• 数据科学
• 数字化转型
• 商业智能
• 数据可视化
• 敏捷开发
• 产品经理

出版社： 电子工业出版社

ISBN：9787121323751

版次：1

商品编码：12243079

品牌：Broadview

包装：平装

开本：16开

出版时间：2017-11-01

用纸：胶版纸

页数：196

字数：242000

正文语种：中文

产品特色

编辑推荐

数据产品设计快速入门指南

详细介绍数据产品设计流程

内容简介

数据产品就是把数据、数据分析、决策逻辑尽可能多地固化到一个软件系统中， 以更快的更新频率、更准确的分析结果、更智能的提醒方式为人们提供数据价值。
《数据产品设计》是一本关于数据产品经理入门级的学习指南，主要内容包括初识数据产品、寻求需求领域、数据指标设计、数据可视化设计、数据展现逻辑设计、产品管理、常用工具软件。其中第1章从数据产品的定义分类、职业规划等方面入手，讲解什么是数据产品、数据流通价值链、数据产品经理的职业规划等内容。第2章至第5章介绍了数据产品设计的一般流程。第6章介绍了一般产品经理需要具备的产品管理相关知识。第7章介绍了数据产品经理需要掌握的一些软件工具。
《数据产品设计》定位为数据产品经理入门级的学习资料，适合初级学员阅读，对在职的数据产品经理可以作为补充性的学习资料。

作者简介

艾达
毕业于浙江大学，数据产品和机器学习算法领域的资深专业人士，在数据领域有多年工作经验；从事过算法工程师，数据产品经理等多个不同岗位，具有丰富的企业实战经验。

目录

第1章　初识数据产品 1
1．1　为什么需要数据产品 2
1．1．1 无处不在的决策 2
1．1．2 数据价值的提供方式 3
1．2　数据产品流通价值链 5
1．2．1 数据生产阶段 5
1．2．2 数据整理阶段 6
1．2．3 数据研究阶段 9
1．2．4 数据展现阶段 11
1．2．5 数据价值体现阶段 13
1．3　数据产品的定义及分类 14
1．3．1 辅助决策型数据产品 15
1．3．2 智能决策型数据产品 16
1．4　数据产品经理 20
1．4．1 招聘岗位分析 21
1．4．2 工作技能要求 23
1．4．3 职业转型方向 24
1．5　数据产品设计流程 25
第2章　寻找需求领域 29
2．1　需求理论 30
2．1．1 马斯洛的需求层次理论 30
2．1．2 乔布斯的用户需求理论 32
2．2　数据产品的需求领域 34
2．2．1 决策需求 34
2．2．2 数据需求 36
2．3　获得用户需求的方法 37
2．3．1 深入观察用户行为 37
2．3．2 定性的用户访谈记录 37
2．3．3 定量的用户调查数据 38
2．4　需求分析注意事项 38
2．4．1 合适的样本量 38
2．4．2 识别需求假象 39
2．4．3 专注于问题本身 40
2．4．4 对用户进行分类 41
第3章　数据指标设计 43
3．1　什么是数据指标 44
3．1．1 居民消费价格指数 44
3．1．2 洗车指数 46
3．2　数据指标分类 51
3．2．1 时间特点 52
3．2．2 总体特征性质 52
3．2．3 数据依据 53
3．2．4 计量单位的特点 54
3．2．5 指标属性 54
3．3　数据指标设计原则 55
3．3．1 可信的数据源 55
3．3．2 计算逻辑透明、清晰 55
3．3．3 考虑适用场景范围 56
3．3．4 有易理解的指导意见 56
3．4　数据指标体系设计 57
3．4．1 查阅罗列 58
3．4．2 分类设计 59
3．4．3 明确实现 61
第4章　数据可视化设计 63
4．1　可视化是人类的天性 64
4．2　数据可视化设计要素 65
4．2．1 设计目的 65
4．2．2 数据展现形式 66
4．2．3 受众群体 66
4．2．4 传播场景 68
4．3　趋势型数据可视化 68
4．3．1 点线图 68
4．3．2 拟合曲线图 71
4．3．3 柱状图 74
4．3．4 阶梯图 75
4．4　对比型数据可视化 76
4．4．1 柱状图 76
4．4．2 面积图 77
4．4．3 气泡图 78
3．3　数据指标设计原则 55
3．3．1 可信的数据源 55
3．3．2 计算逻辑透明、清晰 55
3．3．3 考虑适用场景范围 56
3．3．4 有易理解的指导意见 56
3．4　数据指标体系设计 57
3．4．1 查阅罗列 58
3．4．2 分类设计 59
3．4．3 明确实现 61
4．4．4 单词云图 79
4．4．5 星状图 80
4．4．6 脸谱图 82
4．4．7 热力图 83
4．5　比例型数据可视化 86
4．5．1 饼图 86
4．5．2 环形图 87
4．5．3 百分比堆砌柱状图 87
4．5．4 百分比堆砌面积图 88
4．6　分布型数据可视化 88
4．6．1 直方图 90
4．6．2 茎叶图 92
4．6．3 箱线图 93
4．6．4 概率密度图 95
4．7　关系型数据可视化 98
4．7．1 维恩图 98
4．7．2 矩形树图 99
4．7．3 漏斗图 102
4．7．4 桑基图 104
4．7．5 节点关系图 106
4．8　地理型数据可视化 108
4．8．1 二维地图 108
4．8．2 三维地图 111
4．8．3 地图应用 112
第5章　数据展现逻辑设计 117
5．1　时间逻辑 118
5．2　空间逻辑 121
5．3　用户角色逻辑 123
5．4　指标属性逻辑 125
5．5　业务分析流程逻辑 127
5．6　用户自定义逻辑 131
第6章　产品管理 133
6．1　产品经理管理职责 134
6．2　产品战略管理 135
6．3　产品需求管理 136
6．4　产品市场管理 139
6．5　产品研发管理 142
6．6　产品生命周期管理 146
6．7　产品经理管理考核 149
第7章　常用工具软件 151
7．1　需求分析工具 152
7．1．1 思维导图工具 152
7．1．2 问卷调查工具 157
7．2　数据探索工具 159
7．2．1 数据库管理工具 160
7．2．2 数据分析类工具 163
7．3　数据可视化工具 167
7．3．1 商业智能工具 168
7．3．2 前端图表插件 169
7．4　产品设计工具 171
7．4．1 流程图设计工具 172
7．4．2 原型图设计工具 177
结语 179
参考文献 181

精彩书摘

3.3　数据指标设计原则
如何评价一个数据指标的好坏呢？一个好的数据指标应该包含以下 4 个因素。
3.3.1 可信的数据源
每个指标都需要用数据来建立，如果数据不易于收集，则会导致无法准确计算数据指标，或者数据源的可信度不高，从而直接降低人们对数据指标的信赖度。比如某个省会城市的气象站点如果只有一个，那么它所预报的整个城市的天气状况就会不准，人们对气象数据指标的信赖度也会降低。因此，所要设计的数据指标必须要建立在有易于收集且具有高可信度的数据源的基础之上。 要确保有可信赖的数据源，可以从数据的种类、数据收集的区域密度、脏数据的数量等方面考虑，即数据的种类越多，数据收集的区域密度越大，脏数据越少，数据源就越加可信。
3.3.2 计算逻辑透明、清晰
很多用户在没有了解数据指标的计算逻辑时，是不会采信数据指标所反映的事情真相的，因此用户需要知道并且充分理解指标的生成方法。例如在很多行业中，某些公认的指标值有很多种计算方法，每一种方法都有一定的适用范围，都是根据业内专家多年的经验得来的。
当用户需要我们根据数据计算此类指标值时，他们更相信业内公认的计算方法，而不愿意采纳一些新方法，因为客户往往更熟知这些公认的计算方法，基本了解其计算逻辑，因此，一个好的数据指标计算逻辑需要透明清晰。

要想让用户认可指标的计算方法，最好采纳业内的一些权威计算指标方法。另外，如果对指标计算有所创新，也需要告知用户计算逻辑以及验证结果，与用户进行沟通后，再选取一种合适的计算方法。如果计算方法过于复杂，不便于与用户解释，则需要告知该方法的来源权威性。
3.3.3 考虑适用场景范围
任何一个数据指标都不是在所有场景中通用的，因此需要考虑数据指标所适用的范围和场景等综合因素，不能将指标固化，需要适时地修改指标。比如用恩格尔系数来评定一个家庭的富裕程度，恩格尔系数是在 19 世纪由德国统计学家恩格尔根据统计资料对消费结构的变化得出的一条规律 ：一个家庭的收入越少，家庭收入中（或总支出中）用来购买食物的支出所占的比例就越大，随着家庭收入的增加，家庭收入中（或总支出中）用来购买食物的支出比例则会下降。恩格尔系数是用来衡量一个家庭富裕程度的指数。而美国人是一个不爱吃的民族，在食物方面的支出在美国一般家庭收入中（或总支出中）所占的比例不到 10%，这是很低的。而中国是一个爱吃的民族，特别是广东地区的居民更是出了名地爱吃。如果是比较某个相近地区的家庭的富裕程度，那么用恩格尔系数是可以的。但如果是比较不同地域和文化背景差异很大的两个家庭的富裕程度，那么用恩格尔系数显然就不太合适了。例如在同等收入水平的家庭中，中国家庭的恩格尔系数一般会比美国家庭高，所以此时应该考虑更多的因素，设计一个综合评价指标。
要考虑数据指标的应用场景范围，首先需要明确数据指标的计算逻辑和适用范围，还需要了解数据指标所应用的业务领域与场景。综合评价后找出重要的影响因素，并根据原有计算逻辑进行修正，这样才会得到一个比较合适的数据指标。
3.3.4 有易理解的指导意见
如果人们通过一个数据指标就能够获得明确的指导意见，也就说， 用户在仅仅依靠常识看了这个数据指标名称后就知道该怎么去行动，那么这样的指标就是一个好的指标。 比如有一些天气预报 APP 里有穿衣指数，其实当用户第一次看到这个指数时，有的用户就会一头雾水 ：穿衣指数高代表什么，穿衣指数低代表什么？需要解释一下用户才能知道。但是如果将穿衣指数改成穿衣厚度指数，那么用户一看就知道了：这个指数越高，代表要穿的衣服越厚，也就是要多穿衣服，这样用户就比较明了。
要想设计出易于理解的数据指标，首先需要为数据指标起一个好的名称。要尊重生活常，不要另辟蹊径起一些让用户莫名其妙的名称，将设计好的数据指标名称给 10 个用户看，其中有 7 个以上的用户能够大致说出数据指标的含义，并且能判断这个数据指标的指向优劣性，就说明这是一个易于理解的数据指标。

前言/序言

这是一本数据产品经理入门级的学习指南，市面上的产品经理相关书籍有很多，而针对数据产品经理这个更为狭窄的领域的书籍则比较少。本书定位为数据产品经理入门级的学习资料，适合初级学员阅读，对于在职的数据产品经理可以作为补充性学习资料。
本书第1章从数据产品的定义、分类、职业规划等方面入手，为读者讲解什么是数据产品、数据流通阶段、数据产品经理的职业规划等内容。读者可以从中对数据产品经理这一新兴岗位的基本情况有所了解，对该职业必备的知识框架有一定认识。第2章至第5章介绍了数据产品设计的一般流程，从需求分析到数据指标的设计，从数据图表的选择再到图表逻辑展现的设计，并对整个数据产品的生命周期管理进行了详细阐述。学习完这几章以后，读者能够了解辅助决策型数据产品的一般设计流程，以及能够熟练掌握每一种图表所能表达的含义，并将其灵活地应用到产品设计中。第6章介绍了一般产品经理需要具备的产品管理相关知识，有些内容是项目管理的相关知识，这些内容也是数据产品经理必须掌握的。在未来，随着使用数据产品的用户知识技能的提高，越来越多的数据产品将会提供更加灵活丰富的自定义功能，这更加需要数据产品经理具有数据产品设计基本知识。第7章介绍了数据产品经理需要掌握的一些软件工具。本章对软件工具只是进行了简要介绍，并没有深入讲解软件工具的使用方法，因为这方面的学习资料比较多，也不是一本书就可以全部讲完的，因此在本书中就点到为止，更深入的知识读者可查阅相关书籍进行进一步的学习。建议技术出身的数据产品经理可着重在产品设计软件的学习，而产品出身的数据产品经理可着重在数据分析、
处理软件的学习。
本书仅仅是入门级教材，要想成为一名优秀的数据产品经理还需要掌握更多的数据领域的相关知识。如果想进一步学习数据产品经理、算法工程师、数据分析师等数据相关岗位的视频课程，可在网易云课堂中搜索“艾数教育”。如果想探讨相关知识，可以联系笔者
（E-mail：ada_studio@163.com）。

数据驱动的创新引擎：洞察、策略与落地 在这股席卷全球的数字化浪潮中，数据已不再仅仅是信息集合，更是驱动企业转型、引领市场变革的核心力量。从日常的消费习惯到复杂的工业生产，数据的价值正以前所未有的速度被挖掘和释放。然而，数据本身并不能自动转化为商业成果。真正的挑战在于如何将其转化为能够解决实际问题、创造可持续价值的产品和服务。这本书，《数据产品设计》，正是致力于揭示这一关键过程的奥秘。 本书并非一本关于数据科学技术本身的科普读物，它不罗列复杂的算法模型，也不纠缠于编程语言的细节。相反，它将目光聚焦于一个更为宏观且至关重要的视角：如何系统性地设计和交付能够真正服务于用户、驱动业务增长的数据产品。 我们将深入探讨数据产品在整个价值链中的定位，从用户洞察出发，到策略制定，再到最终的落地实施，层层剥茧，为读者构建一个清晰而实用的数据产品设计框架。 第一部分：重塑思维——从数据到价值的认知跃迁 在开始设计数据产品之前，我们需要对“数据产品”这一概念有一个深刻的理解。它是什么？它区别于传统软件产品、服务产品有哪些独特之处？本书的第一部分将带领读者进行一次思维的跃迁。 数据产品的本质与边界： 我们将重新定义数据产品，理解其核心在于“数据”这一核心资产，以及如何围绕数据构建面向用户的价值。数据产品可以是分析报告、智能推荐系统、风险评估模型、个性化营销工具，甚至是一个能够提供实时洞察的仪表盘。理解其多样性是设计的起点。 数据产品的价值链分析： 任何产品都需要经历从概念到落地的过程。数据产品的价值链更为复杂，它涉及到数据的采集、清洗、存储、处理、分析、可视化，以及最终呈现给用户的交互设计。我们将梳理这条链条上的关键环节，并分析每个环节如何影响产品的最终价值。 用户导向的数据产品观： 很多时候，数据产品的设计容易陷入技术驱动的误区。本书强调，优秀的数据产品设计必须以用户为中心。这意味着我们需要深入理解用户的痛点、需求、期望和使用场景，并将这些洞察转化为产品功能和用户体验的设计语言。我们将介绍用户研究的方法，如访谈、问卷、用户画像构建等，如何服务于数据产品设计。 数据伦理与合规性： 在数据日益重要的今天，数据的安全、隐私保护以及合规性成为不可忽视的环节。本书将探讨如何在设计数据产品时，将数据伦理和法律法规的要求融入其中，确保产品的可持续发展和用户信任。 第二部分：洞察先行——挖掘用户需求的“钻石矿” 用户需求是数据产品设计的基石。缺乏对用户需求的深刻理解，任何优秀的数据技术都可能沦为无源之水。本部分将聚焦于如何有效挖掘和理解用户需求，为数据产品设计提供坚实的基础。 用户场景的构建与分析： 用户的使用场景是理解其需求的最佳切入点。我们将学习如何通过情景模拟、故事板等方式，将抽象的用户需求具体化到真实的使用场景中，从而发现潜在的、甚至用户自己都未曾意识到的需求。 痛点识别与需求优先级排序： 用户面临的“痛点”往往是数据产品最有价值的切入点。我们将学习多种方法来识别用户的核心痛点，并根据其影响程度、解决方案的紧迫性等因素，对潜在需求进行优先级排序，确保资源投入到最有价值的领域。 用户旅程的绘制与优化： 用户在与产品交互的过程中，会经历一系列的旅程。绘制清晰的用户旅程图，能够帮助我们识别旅程中的断点、摩擦点，并发现可以被数据产品优化和增强的机会。 隐性需求的挖掘与验证： 除了显性的用户表达，很多宝贵的需求是隐藏在用户行为和反馈中的。我们将探讨如何通过数据分析（如行为日志分析、A/B测试）和用户反馈收集（如NPS、用户访谈），来挖掘和验证这些隐性需求。 第三部分：策略制胜——定义数据产品的核心价值与竞争力 在充分理解用户需求之后，我们需要将其转化为清晰的产品策略，明确数据产品的目标、定位和核心竞争力。 产品愿景与目标的设定： 一个明确的产品愿景能够指引整个团队前进的方向。我们将学习如何设定与公司战略相契合的产品愿景，并将其分解为可衡量、可实现的产品目标。 核心价值主张的提炼： 什么样的独特价值是你的数据产品能够提供的？本书将指导读者如何提炼出数据产品的核心价值主张，清晰地传达产品能够为用户和业务带来的益处。 竞品分析与差异化定位： 在市场中，我们并非孤军奋战。深入分析竞争对手的数据产品，理解其优劣势，并在此基础上找到我们数据产品的差异化定位，建立竞争优势。 商业模式的设计与考量： 数据产品不仅仅是技术的堆砌，它需要一个可持续的商业模式来支撑其发展。我们将探讨不同的数据产品商业模式，如订阅制、按使用量付费、广告变现等，并分析其适用场景。 数据驱动的决策流程： 如何让数据真正服务于产品策略的制定和调整？本书将强调建立一个数据驱动的决策流程，让产品经理、设计师、工程师能够基于数据来做出更明智的决策。 第四部分：设计落地——将策略转化为可执行的产品 策略的制定是重要的，但最终能否成功，取决于产品的落地能力。本部分将聚焦于数据产品设计的具体实践，从功能设计到用户体验，再到技术实现的衔接。 数据产品的架构设计： 数据产品的架构与传统软件产品有所不同。我们将介绍数据产品的核心技术架构，包括数据湖、数据仓库、数据中台、AI平台等，以及它们在数据产品设计中的作用。 数据可视化与交互设计： 如何将复杂的数据转化为直观、易懂的图表和界面？本书将深入探讨数据可视化设计的原则和方法，以及如何通过巧妙的交互设计，让用户更便捷地获取数据洞察。 最小可行产品（MVP）的设计与迭代： 并非所有的数据产品都需要一步到位。我们将学习如何设计和构建最小可行产品（MVP），快速验证核心假设，并根据用户反馈进行迭代优化。 数据产品开发流程的适配： 不同于传统的软件开发，数据产品的开发流程需要与数据的特性相结合。我们将探讨敏捷开发、DevOps在数据产品开发中的应用，以及如何保证产品质量和上线效率。 产品上线后的监测与优化： 数据产品上线并非终点，而是新的起点。我们将学习如何建立完善的产品监测体系，跟踪产品性能、用户行为和业务指标，并基于数据反馈进行持续优化。 第五部分：协同共赢——打造高效的数据产品团队 数据产品设计的成功，离不开一个高效协作的团队。本部分将探讨如何组建和管理一支优秀的数据产品团队，促进跨职能协作，共同实现产品目标。 团队的角色与职责划分： 数据产品团队通常需要包含产品经理、数据分析师、数据科学家、工程师、UI/UX设计师等角色。清晰的角色划分和职责界定是高效协作的基础。 跨职能沟通与协作机制： 数据产品涉及到多个部门和团队的协作。我们将探讨如何建立有效的沟通机制，打破信息孤岛，确保信息在团队成员之间顺畅流动。 数据文化的构建与推广： 建立一个以数据驱动为核心的组织文化，能够极大地提升团队的工作效率和产品创新能力。我们将探讨如何自上而下地推广数据文化，让数据思维渗透到团队的每一个角落。 知识管理与经验沉淀： 在快速迭代的数据产品开发过程中，知识管理和经验沉淀至关重要。我们将探讨如何建立有效的知识库和复盘机制，不断学习和改进。 本书的独特价值： 系统性与全局性： 本书提供了一个端到端的数据产品设计框架，从战略到落地，环环相扣，帮助读者构建完整的知识体系。 实践导向与可操作性： 我们避免空谈理论，而是强调实际操作方法和工具，提供可供借鉴的案例和方法论。 跨越技术鸿沟： 本书不要求读者成为数据科学家或工程师，而是面向所有希望理解和设计优秀数据产品的人，包括产品经理、业务分析师、管理者等。 面向未来的视野： 在数据技术日新月异的今天，本书将引导读者关注数据产品的可持续发展和创新潜力。 无论您是希望打造一款全新的数据驱动型产品，还是希望优化现有产品以更好地利用数据价值，《数据产品设计》都将是您不可或缺的指引。它将帮助您将数据转化为真正的商业资产，构建具有竞争力的创新引擎，在数字化时代乘风破浪。

评分☆☆☆☆☆

这本书给我带来的最大启发，在于它让我看到了数据产品设计的“人性化”一面。我原以为数据产品都是冰冷的，是关于数字和算法的，但这本书却告诉我们，优秀的数据产品，最终是为了服务于人，解决人的问题，提升人的生活和工作效率。书中关于“用户体验设计”和“数据可视化”的章节，让我对如何将复杂的数据以直观、易懂的方式呈现给用户，有了更深的理解。我一直觉得，好的设计应该让用户感到舒适和愉悦，而数据产品也不例外。这本书让我明白，即使是最复杂的数据，也可以通过巧妙的设计，转化为用户喜爱的产品。这种从技术驱动转向用户驱动的理念，让我对数据产品的未来充满了期待。

评分☆☆☆☆☆

这本书的封面设计得非常简洁大气，一种淡淡的蓝色，上面是流畅的金色字体，透着一种专业又充满智慧的沉静感。我第一次看到它的时候，就觉得它和我之前看过的很多技术类书籍都不同，没有那种扑面而来的硬核感，反而多了一点艺术气息，让我对“数据产品”这个概念产生了初步的好奇。翻开目录，更是让我眼前一亮，它并没有把重点放在枯燥的算法和模型讲解上，而是从更宏观的角度，探讨了如何将冰冷的数据转化为有价值、有温度的产品。其中“用户洞察”和“价值创造”这两个章节，给我留下了深刻的印象，让我开始思考，究竟什么样的产品才能真正触动用户，解决他们的痛点，而不是仅仅展示一堆数据。这种思考方式，感觉能帮助我打开新的视野，看到数据背后隐藏的巨大潜力，而不仅仅是数字本身。

评分☆☆☆☆☆

阅读这本书的过程，就像一次沉浸式的体验，它让我对“数据产品”这个概念有了颠覆性的认知。我之前可能更关注单一的数据分析工具或者数据报表，但这本书将我带到了一个更广阔的视角，让我看到了如何将数据转化为一个完整、有生命力的产品。它不仅仅是关于技术，更是关于战略、关于用户、关于商业。书中的一些讨论，比如如何平衡数据隐私和个性化服务，如何在保证数据安全的前提下，挖掘数据的最大价值，这些都是当前数据产品设计中亟待解决的问题。我感觉这本书为我提供了一个思考和实践的框架，让我能够更深入地理解并参与到数据产品的设计与创新中，这是一次非常有益的学习经历。

评分☆☆☆☆☆

我之前接触过一些关于产品设计的内容，但总觉得缺少了数据这一核心要素。这本书恰恰弥补了我的这一认知空白。它没有回避技术层面的讨论，但更侧重于将技术与用户需求、商业目标相结合，形成一个完整的闭环。我尤其欣赏它在“产品生命周期管理”和“数据产品迭代”上的论述，这部分内容让我在面对复杂项目时，能够更有条理地思考和规划。比如，如何从最初的产品构思，到上线后的持续优化，每一个环节都需要数据来驱动决策。书中的一些框架和方法论，感觉可以立刻运用到我目前的工作中，帮助我更有效地分析用户行为，评估产品效果，并根据数据反馈进行迭代。这种实操性很强的内容，让我觉得这本书的价值远不止于理论。

评分☆☆☆☆☆

我一直对如何把技术概念转化为实际可用的产品充满兴趣，尤其是在大数据时代，数据本身就蕴含着巨大的能量。读这本书的时候，我仿佛进入了一个全新的领域，它不仅仅是关于“如何做”，更是关于“为什么做”和“为谁做”。我特别喜欢其中关于“产品思维”的部分，它不是简单地堆砌功能，而是强调从用户的角度出发，去理解他们的需求，去设计能够解决他们问题的解决方案。书里的一些案例分析，让我觉得非常贴近实际工作，比如在某个特定行业，如何通过数据产品来优化用户体验，或者提升业务效率。这些分析让我觉得，原来数据产品设计并不是遥不可及的，而是可以落地，并且能够带来实实在在的商业价值的。我感觉这本书就像一个向导，带领我一步步探索数据产品设计的奥秘。

评分☆☆☆☆☆

值得看看的一本书

评分☆☆☆☆☆

入门级，刚接触的可以先了解~~~~

评分☆☆☆☆☆

好书，值得入手，五星好评！

评分☆☆☆☆☆

一直很不错

评分☆☆☆☆☆

满满的干货，感觉很不错！满满的干货，感觉很不错！

评分☆☆☆☆☆

内容很好，非常值得去学习，读这本书后，收获很多，推荐~

评分☆☆☆☆☆

学习学习好好学习天天向上

评分☆☆☆☆☆

一直很不错

评分☆☆☆☆☆

618买的，十分便宜，一次买了好多书