第1章　从百度大数据工作的经历说开　/ 1
百度数据板块：网页数据和用户行为数据　/ 3
搜索引擎发展　/ 4
用户行为分析践行：百度知道的回答量提升 7.5%　/ 5
从零到一构建百度大数据分析平台　/ 6
数据源与 Event 模型的重要性　/ 9
大数据是屠龙术　/ 10
第2章　大数据思维与数据驱动　/ 11
大数据的概念　/ 14
大数据之“大”　/ 14
大数据之“全”　/ 15
大数据之“细”　/ 16
大数据之“时”　/ 16
大数据的本质　/ 17
数据驱动理念与现状　/ 20
数据驱动的价值　/ 20
企业内部数据驱动现状　/ 21
理想的数据驱动 —— “流”　/ 23
大数据时代到来的条件　/ 24
数据采集能力增强　/ 25
数据处理能力增强　/ 26
数据意识的提升　/ 27
第3章　数据驱动的环节　/ 29
数据采集与埋点　/ 32
数据采集的现状　/ 32
数据采集遵循法则　/ 34
科学的数据采集和埋点方式　/ 36
数据的准确性　/ 40
数据建模　/ 44
数据模型与建模　/ 44
多维数据模型　/ 46
多维事件模型　/ 49
多维事件模型的探索经历　/ 52
数据分析方法　/ 55
行为事件分析　/ 55
漏斗分析　/ 58
留存分析　/ 61
分布分析　/ 64
点击分析　/ 67
用户路径　/ 73
用户分群　/ 75
属性分析　/ 80
指标体系构建　/ 82
第一关键指标法　/ 82
海盗指标法　/ 86
第4章　数据驱动产品和运营决策　/ 89
数据驱动运营监控　/ 91
用户获取（Acquisition）　/ 91
激活（Activation）　/ 92
留存（Retention）　/ 97
引荐（Referral）　/ 99
营收（Revenue）　/ 101
数据驱动产品改进和体验优化　/ 102
数据驱动商业决策　/ 104
数据驱动落地企业，要从管理者做起　/ 106
数据驱动商业决策的价值　/ 108
第5章　数据驱动产品智能　/ 109
数据平台及用户智能　/ 114
如何计算热门榜单　/ 114
客服系统中的行为数据　/ 114
为什么需要数据平台　/ 115
数据平台提供的能力　/ 116
数据应用与用户智能　/ 119
基于用户行为数据的用户智能应用　/ 119
用户智能分类：基于规则与机器学习　/ 123
用户智能应用——用户画像　/ 132
两种用户画像：User Persona与User Profile　/ 132
用户画像（User Profile）标签体系的建立　/ 135
用户智能应用——个性化推荐　/ 139
个性化推荐的概念　/ 139
架构实现　/ 140
数据流　/ 142
业务分析与模型选择　/ 143
实验与迭代　/ 144
第6章　各行业实践数据分析全过程　/ 147
互联网金融数据驱动实践　/ 149
实践案例　/ 150
企业服务数据驱动实践　/ 158
数据驱动能够为企业服务做什么　/ 159
面临的挑战　/ 160
数据应用的阶段　/ 161
实践案例　/ 168
零售行业数据驱动实践　/ 175
实践案例　/ 176
电子商务数据驱动实践　/ 186
打破企业发展经营困局：从粗放式到精细化　/ 186
电商企业数据驱动瓶颈　/ 187
实践案例　/ 187
写在最后的话　/ 197