－－－－寫于1個多月前－－－－

最近將要在新公司做一些數(shù)據(jù)分析，數(shù)據(jù)挖掘方向的事情，同時也會做點PM的事情。將會用到幾本書內(nèi)的內(nèi)容。記下，方便查閱。

分別是：

1.集體編程的智慧－－推薦算法類pm必看的一本書；

2.精益數(shù)據(jù)分析－－AARRR模型，精益數(shù)據(jù)分析思路，都是可以直接實戰(zhàn)的分析方法。

－－－－分割線，之后是進入公司后一個月左右的一些思考－－－－

數(shù)據(jù)產(chǎn)品經(jīng)理承擔著兩種不同的業(yè)務，分別是：

1.? 根據(jù)數(shù)據(jù)驅(qū)動產(chǎn)品迭代，根據(jù)數(shù)據(jù)引導產(chǎn)品設計。在這個時候，數(shù)據(jù)更多地充當著證明假設、證明猜想的論據(jù)。工作的內(nèi)容包括不限于：埋點，建立數(shù)據(jù)后臺，數(shù)據(jù)可視化，尋找關(guān)鍵指標，尋找優(yōu)良的相關(guān)性數(shù)據(jù)并推導其因果關(guān)系。

2. ?將用戶生成的數(shù)據(jù)加工，使之成為產(chǎn)品，包括不限于：用戶個性化推薦，feed流控制，優(yōu)化各種推薦算法。最近承包了好友的推薦算法，實現(xiàn)的方法依然是根據(jù)用戶的場景進行推薦，其實也可以有更具洞察力的方法，例如：尋找高頻互動的用戶間的特征，根據(jù)這個特征找到符合這個特征的雙方，如果他們并非好友，便嘗試進行推薦。

數(shù)據(jù)產(chǎn)品經(jīng)理的工作應一直保持與業(yè)務有著緊密的聯(lián)系，并時刻控制ROI（投入產(chǎn)出比）。更重要的一點是，需要在關(guān)鍵的時候站出來，展示數(shù)據(jù)驅(qū)動產(chǎn)品的優(yōu)勢，推動A/B測試等優(yōu)秀的決策方法。