靠谱推荐 | 我读完了所有数据产品经理的书?!
本文由作者 古牧聊数据 发布于社区
开局一张图📖
近几年专注做数据产品方向,有不少朋友咨询怎么上手这个领域,个人认为除了一对一咨询以外,最好的方式就是看书+实践了。但到底哪本书合适?我觉得我还是可以尽绵薄之力的,我在豆瓣上通过关键词“数据产品”和其他辅助方式,锁定了10本跟数据产品经理高度相关的书,一一阅读后给出我的看法,供你参考
01
而且这里还有一个隐藏的bug:写给新人的书,最后都是新人评分,可新人恰恰就是缺少专业阅历的人,他们的评分可能会有偏颇。同时,业内的老人也很少会看,即便看了也不见得会公开给出对比评价,这就让这类专业书籍的评分变成了黑盒自闭环,跟培训机构的课程一样
走起~
02
对于薄的书,我想起高中的时候学校请优秀毕业生回来做讲座,有一个小哥说的很值得琢磨:我每个学科一般就看三本书,第一本看最薄的,第二本看最厚的,第三本看自己写的。你品~
从这本书开始,我见识了数据产品领域书籍的参差,而且也发现了这类书的一个共性问题:有种很浓郁的分析思维和工具思维,习惯于把方方面面的知识内容都罗列给你,但就是缺少排序整合。这跟市面上大部分数据产品很像,擅长功能堆叠,不管受众体验
是一本野心很大的书,旁征博引古今中外连周易八卦都招呼上了,但就是没法写出一本适合产业界的书。看了下作者的背景履历,倒也就理解了,人家本身就是搞学术路线的,博士毕业后进的也是官方背景的实验室,很自然写的东西也是那种文献综述的风格。所以不能怪作者,要我说,怪这个标题起的不好,直接改名叫《大数据在我国产业的应用现状研究》就好了~
作为一本工具书,还是比较尽心尽力的。搜罗了市面上几乎所有能跟数据、产品经理、互联网技术研发扯上关系的知识点和方法论,可以极大的提升效率,省去在网上搜索不同知乎专栏or 公众号文章的时间
Hadoop设计的核心有两个:HDFS和 Mapreduce通常需要搭配采集框架(例如比较流行的Kafka+Flume)、 Debase数据库、部署配置工具( Ambari)等一系列件形成一个完整的架构 HDFS( Hadoop Distributed File System,分布式文件系统)既然是一个“系统”就会包含一系列的功能和流程。主要由主服务器( Namenode)和负责存储数据的Datanode组成,,Namenode负责管理文件系统的命名空间和客户端对文件的访问操作 而 Mapreduce的本质是一种编程模型,或者说是一种计算方法。作为一个平台组件,它是用并行的方式处理大规模的计算
可以用不那么严谨的方式把整个过程变成一个故事,会发现这套架构其实是个情报处的组织架构: Flume像个情报员,负责把情报(日志)拿到手交给负责接头的信息员Kafka运送回来,处长HDFS负责接收这些数据,指挥Namenode给它们起好名字并贴上标签,交给档案馆Hbase存起来;这些数据还可以通过情报分析站Mapreduce去做复杂的深度加工,加工好的结论也可以交给Hbase存起来。
而想要使用Mapreduce需要通过工具Hive去实现。虽然Hbase是个超大的档案馆,,MapReduce也能为这个超大的档案馆提供更多结果,但若是急需这些情报采取行动(需要实时输出这些数据),它的效率就显得有点慢。这时Kafka可以使用应急流程,把数据直接交给独立调査员storm做实时分析,分析好了交给临时档案馆Redis存起来,领导(前端页面)可以去找Redis查阅结果。可惜的是,Storm和Redis虽然效率很高,却没有Hbase这个档案馆那么庞大和稳定,工资(成本)又太高,至今只能打一打下手,做一些补充工作
【
可以看】如果想学习怎么搭建数据中台,可能这本书有帮助,但不会很大。因为感觉行文架构就是高屋建瓴、高举高打的,倒是比较适合数据产品经理买来学习一下怎么画PPT,里面这种素材还真是不少
其实本书跟数据中台的关系也没那么大,完全可以找一本【可以看】的数据产品书、搭配上面那本PPT素材书就好了。哦,这本书里也讲了不少篇幅的Excel操作技巧和SQL,我都懒得说了......
本书的一个特色,就是作者有意区分了数据产品经理 vs 数据平台产品经理,我觉得这算是作者的独家内容了,初衷挺好的。可这种区分定义我倒觉得没必要,两者本来就是包含关系,非要弄成并列平行的关系,有点牵强。不过我能get作者想传达的意思:平台型产品经理跟单独做一个产品的差异很大~
大厂汇报PPT风格的书,前阵子储备标签平台建设的时候找来看,但看后比较失望,因为并没有任何帮助。我关心的帮助是要么指明一些坑,让后人不要重蹈覆辙;要么是结合某个具体场景讲讲标签设计的心得体会,尤其是怎么跟得上应用场景。但最终它还是一本零基础科普入门书,是一本只展示结果,不展示思考过程的标签建设漂亮话大全
这是一本优点和缺点都特别明显的书。优点是它确实是针对数据产品的,因为作者们都是一线从业者;同时它的覆盖面也比较广,从数据产品的定义,到埋点、画像标签、ABtest、数据服务、数据仓库,你能想到的常见数据产品形态都照顾到了
第一章在讲数据产品的定义之后,愣是强势插入了数据产品经理的招聘、应聘、面试的内容,公众号合辑的感觉一下就上来了,也立马就下头了
03
上面测评了10本书,其中就只有一本算是我推荐看的,有一次得到一个朋友的反馈是:书是好书,但它的前提假设是我已经身在一个ok的数据产品团队。我想知道该怎么选择做数据产品的方向?
哦!这还真是个关键的前置条件呢!我个人的建议是,尽量在做过一段时间的基础层数据产品工作后,优先选择应用层的、离营收变现更近的数据产品。如
同样的,如果能在具备一定基础的情况下,尽早的接触应用,知道一个数据产品都可以帮助哪些人带来什么直接的价值、都能怎么直接变现,就会更有利于以终为始的去补充知识、夯实基础
今天的测评确实只是我一家之言,肯定也有我的局限性,但我能保证的就是中立性和独家性。如果你对上述这些书有不同的看法,欢迎留言探讨~
关键词
数据
产品
就是
这些数据
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。