数据分析思维——数据埋点笔记，以电商为例

数据埋点
数据分析前提是有数据，数据从哪里来，要选择采集哪些数据都需要考虑。如某些app上的商品推荐，是基于哪些信息来预判的呢？因此作为数据分析师有必要系统的了解用户行为到用户数据的整个过程
何为数据埋点
每当用户在客户端发生一个操作，这个操作就会被采集得到，就是数据埋点，采集的数据通过SDK上报，进行一系列处理，就进入数据仓库，就形成了用户数据。
为什么埋点
数据分析对海量用户数据分析，可以对业务监控、产品优化提出方案，而这些数据都需要先埋点，也就是说埋点可以辅助业务进行决策。实现业务目标kpi。
采集哪些数据

• 设备硬件信息，像设备品牌、主板、cpu、屏幕分辨率

• 软件能力，像截屏、摇一摇、扫一扫

• 数据权限，如授权的通讯录、相册、定位

• 用户行为，用户的每一个操作
  这样子说来，似乎需要咱注意隐私保护哟
  数据埋点的分类
  结合埋点的位置可以分为

• 前端埋点
  通过SDK进行采集，将数据压缩、暂存、打包的上报，不需要实时上报的仅有在wifi条件下上报，可能会出现数据上报延迟、遗漏 但是很节省流量

• 后端埋点
  通过API采集 内网传送 不会丢失数据，数据精准
  数据上报技术

• 客户端上报
  用户触发行为——客户端接受——通过HTTP给服务器——服务器响应——客户端——用户界面展示
  那么那么多行为，数据太多了，客户端就先积累起来变成了数据包，有空在发给服务器。

• 服务端获取
  其实用户看到的内容来自于服务器，所以服务器在答应请求时可以获得一些基本信息，浏览器、版本、屏幕分辨率、ip
  数据埋点流程

• 确认事件和变量
  -即确认产品的功能、用户的操作（叫事件），同时确定描述数据的属性或者指标（变量）
  可以用AARRR模型或者UJM路径

• 明确事件和触发时机
  什么条件下才开始埋点呢？是加入购物车？还是下单？付款成功的时候？

• 明确上报机制
  确定数据需要实时上报还是不需要同时

• 统一表结构
  方便团队数据管理，需要一个数据结构的规范

• 统一字段名称
  顾名思义，每个变量的名字统一

• 明确优先级
  数据埋点是在为应用做铺垫，埋点了就需要搭建指标体系、数据报表的工作，可以考虑到报表的优先级、成本来确定优先级。
  以电商成交为例实现数据埋点
  
  整理数据文档