大数据实践之路：数据中台+数据分析+产品应用

这本书对数据产品经理，数据仓库，数据分析，产品的知识都有所涉及，尤其是数据仓库方面的知识，让我产生一种恍然大悟的感觉，原来之前遇到的专业术语背后是这样的意思。 数据分析篇让我从业务方的视角去看待分析，更深入理解了分析是服务于业务执行的，没有好的落地，使用再高大上的模型都没有用。 最后的用户画像体系，电商反作弊，内容平台，电商平台的个性化推荐用简短的例子解释了这几个场景中的数据应用场景，阐述了A/B test 的设计，执行思路，让我也算是浅尝辄止的有所了解，日后继续学习的时候也知道该从何处下手去加深理解了。

本书对数据指标，A/B测试，数仓模型，数据资产，BI系统，用户画像，push等大数据相关产品都讲了一遍。虽然不算特别深入，不过对我们这种一知半解的读者还是有多少帮助。 也算是清楚原子指标和派生指标的区别。对用户画像应该基于一个ID体系深表赞同，不然很多数据可能无法关联起来。 读了很久，一方面自己比较懒，不能以工作忙作为接口。建议大数据相关工作人员可以快速过一遍。

本书包含内容比较全面，就是感觉各个部分比较割裂，而且不知道主人公小诺到底是做哪一行的？怎么电商，新闻媒体都有他呢？

懂行的不用看，用处不大了；不懂行的看不懂，有点浮于表面。

讲的非常清晰易懂 且贴合实际 学到很多

数据中台篇值得一看。具体分为元数据中心（数据属性，数据字典，数据血缘），数据指标中心（原子指标，派生指标，衍生指标），数仓模型中心（分层架构，一致性维度），数据资产中心（表，任务，优先级标签，存储计算资源），数据服务中心（BI，标签，画像）。感觉少了个数据集成中心，不过也可以算在元数据中心里边吧，之前了解多的还是数仓模型中心部分，读完还是有所启发，对数据中台的其他部分有了些入门了解。 数据分析篇，草翻了下，就记住了三种分析，最多的描述性分析（bi,标签），其次的预测性分析（标签）和诊断性分析。 数据应用篇，速读了下，对我而言有意思的不多。 印象最深的当属数据质量5大特性：完整性，准确性，一致性，规范性，时效性。

优点：很适合技术小白入门和业务部门浅尝辄止 缺点：场景仅适合互联网公司或营销做到数字化的公司，传统企业更多内部数据分析场景完全没有

我现在数据团队做的基本和书中完全一致。元数据、数据指标、数仓模型、数据资产、数据服务。历经三个月基本都实现也和业务方run起来了。

本书从数据收集，ETL，数仓搭建，数据中台服务，数据分析以及到应用案理了一遍。 看完会对数据指标，A/B测试，数仓模型，数据资产，BI系统，用户画像，push等大数据相关产品有一定的认知。 对用户在多应用产生的ID，用映射关系识别唯一ID的方式深感认同。 在内容个性化推荐和Push召回应用中使用的策略很值得借鉴。

有粗有细，有深有浅。 感受最深的是针对各个系统都有对应的建设架构图和功能模块，很适合丈二和尚搭建系统框架。 在“数据中台”篇感觉讲的还不是很全面，有些地方直接一笔带过或者没有任何解释。但是在“数据分析”和“产品应用”篇某些部分又十分详细。 对于数据中台的认识又更进一步，准备把所有的建设思路整理出来。