大數據實踐之路：數據中臺+數據分析+產品應用

這本書對數據產品經理，數據倉庫，數據分析，產品的知識都有所涉及，尤其是數據倉庫方面的知識，讓我產生一種恍然大悟的感覺，原來之前遇到的專業術語背後是這樣的意思。 數據分析篇讓我從業務方的視角去看待分析，更深入理解了分析是服務於業務執行的，沒有好的落地，使用再高大上的模型都沒有用。 最後的用戶畫像體系，電商反作弊，內容平臺，電商平臺的個性化推薦用簡短的例子解釋了這幾個場景中的數據應用場景，闡述了A/B test 的設計，執行思路，讓我也算是淺嘗輒止的有所瞭解，日後繼續學習的時候也知道該從何處下手去加深理解了。

本書對數據指標，A/B測試，數倉模型，數據資產，BI系統，用戶畫像，push等大數據相關產品都講了一遍。雖然不算特別深入，不過對我們這種一知半解的讀者還是有多少幫助。 也算是清楚原子指標和派生指標的區別。對用戶畫像應該基於一個ID體系深表贊同，不然很多數據可能無法關聯起來。 讀了很久，一方面自己比較懶，不能以工作忙作爲接口。建議大數據相關工作人員可以快速過一遍。

本書包含內容比較全面，就是感覺各個部分比較割裂，而且不知道主人公小諾到底是做哪一行的？怎麼電商，新聞媒體都有他呢？

懂行的不用看，用處不大了；不懂行的看不懂，有點浮於表面。

講的非常清晰易懂 且貼合實際 學到很多

數據中臺篇值得一看。具體分爲元數據中心（數據屬性，數據字典，數據血緣），數據指標中心（原子指標，派生指標，衍生指標），數倉模型中心（分層架構，一致性維度），數據資產中心（表，任務，優先級標籤，存儲計算資源），數據服務中心（BI，標籤，畫像）。感覺少了個數據集成中心，不過也可以算在元數據中心裏邊吧，之前瞭解多的還是數倉模型中心部分，讀完還是有所啓發，對數據中臺的其他部分有了些入門瞭解。 數據分析篇，草翻了下，就記住了三種分析，最多的描述性分析（bi,標籤），其次的預測性分析（標籤）和診斷性分析。 數據應用篇，速讀了下，對我而言有意思的不多。 印象最深的當屬數據質量5大特性：完整性，準確性，一致性，規範性，時效性。

優點：很適合技術小白入門和業務部門淺嘗輒止 缺點：場景僅適合互聯網公司或營銷做到數字化的公司，傳統企業更多內部數據分析場景完全沒有

我現在數據團隊做的基本和書中完全一致。元數據、數據指標、數倉模型、數據資產、數據服務。歷經三個月基本都實現也和業務方run起來了。

本書從數據收集，ETL，數倉搭建，數據中臺服務，數據分析以及到應用案理了一遍。 看完會對數據指標，A/B測試，數倉模型，數據資產，BI系統，用戶畫像，push等大數據相關產品有一定的認知。 對用戶在多應用產生的ID，用映射關係識別唯一ID的方式深感認同。 在內容個性化推薦和Push召回應用中使用的策略很值得借鑑。

有粗有細，有深有淺。 感受最深的是針對各個系統都有對應的建設架構圖和功能模塊，很適合丈二和尚搭建系統框架。 在“數據中臺”篇感覺講的還不是很全面，有些地方直接一筆帶過或者沒有任何解釋。但是在“數據分析”和“產品應用”篇某些部分又十分詳細。 對於數據中臺的認識又更進一步，準備把所有的建設思路整理出來。