第1章　從百度大數據工作的經曆說開　/ 1
百度數據闆塊：網頁數據和用戶行為數據　/ 3
搜索引擎發展　/ 4
用戶行為分析踐行：百度知道的迴答量提升 7.5%　/ 5
從零到一構建百度大數據分析平颱　/ 6
數據源與 Event 模型的重要性　/ 9
大數據是屠龍術　/ 10
第2章　大數據思維與數據驅動　/ 11
大數據的概念　/ 14
大數據之“大”　/ 14
大數據之“全”　/ 15
大數據之“細”　/ 16
大數據之“時”　/ 16
大數據的本質　/ 17
數據驅動理念與現狀　/ 20
數據驅動的價值　/ 20
企業內部數據驅動現狀　/ 21
理想的數據驅動 —— “流”　/ 23
大數據時代到來的條件　/ 24
數據采集能力增強　/ 25
數據處理能力增強　/ 26
數據意識的提升　/ 27
第3章　數據驅動的環節　/ 29
數據采集與埋點　/ 32
數據采集的現狀　/ 32
數據采集遵循法則　/ 34
科學的數據采集和埋點方式　/ 36
數據的準確性　/ 40
數據建模　/ 44
數據模型與建模　/ 44
多維數據模型　/ 46
多維事件模型　/ 49
多維事件模型的探索經曆　/ 52
數據分析方法　/ 55
行為事件分析　/ 55
漏鬥分析　/ 58
留存分析　/ 61
分布分析　/ 64
點擊分析　/ 67
用戶路徑　/ 73
用戶分群　/ 75
屬性分析　/ 80
指標體係構建　/ 82
第一關鍵指標法　/ 82
海盜指標法　/ 86
第4章　數據驅動産品和運營決策　/ 89
數據驅動運營監控　/ 91
用戶獲取（Acquisition）　/ 91
激活（Activation）　/ 92
留存（Retention）　/ 97
引薦（Referral）　/ 99
營收（Revenue）　/ 101
數據驅動産品改進和體驗優化　/ 102
數據驅動商業決策　/ 104
數據驅動落地企業，要從管理者做起　/ 106
數據驅動商業決策的價值　/ 108
第5章　數據驅動産品智能　/ 109
數據平颱及用戶智能　/ 114
如何計算熱門榜單　/ 114
客服係統中的行為數據　/ 114
為什麼需要數據平颱　/ 115
數據平颱提供的能力　/ 116
數據應用與用戶智能　/ 119
基於用戶行為數據的用戶智能應用　/ 119
用戶智能分類：基於規則與機器學習　/ 123
用戶智能應用——用戶畫像　/ 132
兩種用戶畫像：User Persona與User Profile　/ 132
用戶畫像（User Profile）標簽體係的建立　/ 135
用戶智能應用——個性化推薦　/ 139
個性化推薦的概念　/ 139
架構實現　/ 140
數據流　/ 142
業務分析與模型選擇　/ 143
實驗與迭代　/ 144
第6章　各行業實踐數據分析全過程　/ 147
互聯網金融數據驅動實踐　/ 149
實踐案例　/ 150
企業服務數據驅動實踐　/ 158
數據驅動能夠為企業服務做什麼　/ 159
麵臨的挑戰　/ 160
數據應用的階段　/ 161
實踐案例　/ 168
零售行業數據驅動實踐　/ 175
實踐案例　/ 176
電子商務數據驅動實踐　/ 186
打破企業發展經營睏局：從粗放式到精細化　/ 186
電商企業數據驅動瓶頸　/ 187
實踐案例　/ 187
寫在最後的話　/ 197
· · · · · · (收起)