埋点 growingio 数据分析 数据采集 网站分析 应用分析
去网站注册了看看，但是没找到哪里下载SDK,,,,,,找到了。。。敬请期待。。。我的理解是 不是不必埋点，而是不需要代码埋点吧。诸葛io, talking data都有类似产品。不过只能定义一个事件名称，简单地使用感觉还会不错的。但是如果要做类似GA AA那样的专业分析，能力上还是差了几个数量级的感觉。这类tracking 和 百度统计的差距倍数大概等于百度统计和GA差距的倍数。但是，他们的确很方便。
我是神策数据的创始人桑文锋，属于利益相关者，最近正好写了篇文章，聊一聊“埋点”到底要不要。原文见：&a href=&/p/?refer=sangwf& class=&internal&&在数据采集上的痛苦、幻想与失望 - 瓦利哥的机器岁月 - 知乎专栏&/a&&br&&img src=&/a521904ebafe92b427e1db_b.png& data-rawwidth=&900& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&/a521904ebafe92b427e1db_r.png&&&br&&p&随着移动互联网时代的兴起和数据量的大规模爆发，越来越多的互联网企业开始重视数据的质量。在我创业的这一年里，接触了 200 多家创业型公司，发现如今的企业对数据的需求已经不仅仅局限于简单的 PV、UV，而是更加重视用户使用行为数据的相关分析。&/p&&br&&p&做数据的同学都知道，在数据分析的道路上，数据采集是重中之重。数据采集的质量直接决定了你的分析是否准确。而随着企业对数据的要求越来越高，埋点技术也被推到了“风口浪尖”。所谓，埋的好是高手，埋不好反倒伤了自己。而在数据采集的道路上大家经常会遇到各种各样的问题，今天我们就来分析一下埋点是否需要。&/p&&br&&p&&strong&首先我把数据采集的问题归结为三类：&/strong&&/p&&blockquote&&p&1、不知道怎么采，包括采集什么数据以及用什么技术手段采集；&/p&&p&2、埋点混乱，出现埋错、漏埋这样的问题；&/p&&p&3、数据团队和业务工程团队配合困难，往往产品升级的优先级大于数据采集的优先级。&/p&&/blockquote&&p&上面这三类问题让数据团队相当痛苦，进而幻想弃用数据采集，而尝试新方案后，进而迎来的是更大的失望。这里我对这三类问题的现状及应对之策做一下分析。&/p&&br&&p&&b&? 不知道怎么采&/b&&/p&&br&&p&一般创业公司的数据采集，分为&strong&三种方式&/strong&：&/p&&br&&p&第一种直接使用友盟、百度统计这样的第三方统计工具，通过嵌入 App SDK 或 JS SDK，来直接查看统计数据。这种方式的好处是简单、免费，因此使用非常普及。对于看一些网站访问量、活跃用户量这样的宏观数据需求，基本能够满足。&/p&&br&&p&但是，对于现在一些涉及订单交易类型的产品，仅仅宏观的简单统计数据已经不能满足用户的需求了，他们更加关注一些深度的关键指标分析，例如：用户渠道转化、新增、留存、多维度交叉分析等。这个时候才发现第三方统计工具很难满足对数据的需求，而出现这样的问题并不是因为工具的分析能力薄弱，而是因为这类工具对于数据采集的不完整。 通过这种方式 SDK 只能够采集到一些基本的用户行为数据，比如设备的基本信息，用户执行的基本操作等。但是服务端和数据库中的数据并没有采集，一些提交操作，比如提交订单对应的成本价格、折扣情况等信息也没有采集，这就导致后续的分析成了“巧妇难为无米之炊”。&/p&&br&&p&通过客户端 SDK 采集数据还有一个问题就是经常觉得统计不准，和自己的业务数据库数据对不上，出现丢数据的情况。这是前端数据采集的先天缺陷，因为网络异常，或者统计口径不一致，都会导致数据对不上。&/p&&br&&p&第二种是直接使用业务数据库做统计分析。一般的互联网产品，后端都有自己的业务数据库，里面存储了订单、用户注册信息等数据，基于这些数据，一些常用的统计分析都能够搞定。这种方式天然的就能分析业务数据，并且是实时、准确的。&/p&&br&&p&但不足之处有两点：一是业务数据库在设计之初就是为了满足正常的业务运转，给机器读写访问的。为了提升性能，会进行一些分表等操作。一个正常的业务都要有几十张甚至上百张数据表，这些表之间有复杂的依赖关系。这就导致业务分析人员很难理解表含义。即使硬着头皮花了两三个月时间搞懂了，隔天工程师又告诉你因为性能问题拆表了，你就崩溃了。另一个不足之处是业务数据表的设计是针对高并发低延迟的小操作，而数据分析常常是针对大数据进行批量操作的，这样就导致性能很差。&/p&&br&&p&第三种是通过 Web 日志进行统计分析。这种方式相较于第二种，完成了数据的解耦，使业务数据和统计分析数据相互分离。然而，这种方式的问题是“目的不纯”。Web 日志往往是工程师为了方便 Debug 顺便搞搞，这样的日志对于业务层面的分析，常常“缺斤少两”。并且从打印日志到处理日志再到输出结果，整个过程很容易出错，我在百度就花了几年的时间解决这一问题。&/p&&br&&p&所以，以上三种方式虽然都多多少少解决了一部分数据采集的问题，但又都解决的不彻底。&/p&&br&&p&&b&? 埋点混乱&/b&&/p&&br&&p&聊完采集方法，再来说说关于埋点的管理。我曾经接触了一家做了七八年的老牌互联网公司，他们的数据采集有 400 多个点。每次数据产品经理提出数据采集的需求后，工程师就会按照要求增加埋点，然后交给数据产品经理去验证。数据产品经理在试用的时候也感觉不到异常，可等产品上线之后，才发现埋的不对，再进行升级发版操作，整个过程效率极低。我们发现，一个公司发展到了一定程度，没有专人去负责埋点管理工作，数据采集就完全没有准确性可据采集就完全没有准确性可言。甚至有时产品上线之后，才发现数据采集的工作没有做，也就是漏埋了。&/p&&br&&p&于是数据团队又开始幻想，既然埋点这么容易出问题，有没有可能不埋点？这就像寻找可以祈求风调雨顺的神灵。&/p&&br&&p&在 2010 年，百度 MP3 团队曾经做了一个叫 ClickMonkey 的产品，只要页面上嵌入 SDK，就可以采集页面上所有的点击行为，然后就可以绘制出用户点击的热力图，这种方式对于一些探索式的调研还是比较有用的。到了2013 年，国外有家数据分析公司 Heap Analytics，把这种方式更近一步，将 App 的操作尽量多的采集下来，然后通过界面配置的方式对关键行为进行定义，这样便完成了所谓的“无埋点”数据采集。使用这种方案，必须在产品中嵌入 SDK，等于做了一个统一的埋点，所以“无埋点”的叫法实际上是“全埋点”的代名词。&/p&&br&&p&另外，这种方式同样也只能采集前端数据，后端服务器和数据库中的数据，依旧是无可奈何的。并且，即便进行前端数据采集，也无法深入到更细粒度。比如提交订单操作，订单运费、成本价格之类的维度信息，都丢失掉了，只剩下“提交”这一个行为类型。&br&&/p&&br&&p&对于非技术人员，容易被这种方式的名称和直接优势所吸引，但很快又会发现许多深度数据分析需求无法直接满足，进而有种被忽悠的感觉，会感到失望。其实不止是非技术人员，即使是技术人员，也都会让我解释一下“可视化埋点”的原理，说明“无埋点”真是个有迷惑性又不甚清晰的概念，难以细究。&/p&&br&&p&这里说一下关键点：一是事先在产品上埋一个 SDK，二是通过可视化的方式，生成配置信息，也就是事件名称之类的定义，三是将采集的数据按照配置重命名，进而就能做分析了。&/p&&br&&p&&b&? 数据团队和业务工程团队的配合问题&/b&&/p&&br&&p&最后，我们再聊一聊数据采集中遇到的非技术性问题。一般来说，公司到了 A 轮以后，都会有专门的数据团队或者兼职数据人员，对公司的一些业务指标负责。即使为了拿到这些基本的业务指标，一般也要工程团队去配合做一些数据采集工作。这个时候雷军的“快”理念就起到作用了，天下武功唯快不破。于是所有事情都要给产品迭代升级让路，快的都没有时间做数据采集了。殊不知没有数据指标的支撑，又怎么衡量这个功能升级是不是合理的呢？互联网产品并不是功能越多就越好，产品是否经得起用户考验，还是要基于数据说话的，然后学习新知识，用于下一轮的迭代。&/p&&br&&p&数据团队和业务工程团队是平级的团队，而数据团队看起来总是给业务工程团队增加麻烦事儿，似乎也不能直接提升工程团队的 KPI，所以就导致需求不被重视，总是被更高优先级的事情挤掉，数据的事情难有进展。&/p&&br&&p&&strong&解决之道&/strong&&/p&&br&&p&前面给大家抛出了数据采集中常见的三类问题，下面我们来看一下应对之道。&/p&&br&&p&对于不知道数据怎么采的问题，首先从意识上要重视数据采集工作。数据的事情归结起来就两点：数据采集和数据分析。可不能只看到数据分析而忽略了数据采集。事实上我个人在百度做数据的几年里，最大的心得就是数据这个事情要做好，最重要的是数据源，数据源收集得好，就成功了一大半。数据采集的基本原则是全和细。全就是把多种数据源都进行采集，而不只是客户端的用户数据。细就是强调多维度，把事件发生的一系列维度信息，比如订单运费、成本价格等，尽量多的记录下来，方便后续交叉分析。&/p&&br&&p&其次，要有一个数据架构师，对数据采集工作负责，每次数据采集点的增加或变更，都要经过系统化的审核管理，不能顺便搞搞。最后，我这里要推荐 Event 数据模型（有兴趣的可阅读：&a href=&///?target=https%3A///manual/data_model.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据模型 | Sensors Analytics 使用手册&i class=&icon-external&&&/i&&/a&），针对用户行为数据，简化成一张宽表，将用户的操作归结为一系列的事件。&/p&&br&&p&对于埋点混乱的问题，前面提到的数据架构师的角色，要对这块的管理负责。如果前面完成对 Event 的梳理，这里的埋点就会清晰很多。另外还要推荐尽量从后端进行埋点，这样便无需多客户端埋点了。当然，如果有行为只在客户端发生，还是要在客户端进行埋点的。对于业务复杂的情况，只有负责人还不够。目前我们神策分析针对这个问题，推出了埋点管理功能，对于每个采集点的数据收集情况，都能够做到全盘监控，并且可以针对一些无效采集点进行禁用。总之是希望把这个问题尽量好的解决掉。&/p&&br&&p&对于数据团队和工程团队的配合问题，我这里是想说给创业公司的创始人听的。两个平行部门间的推动，是很难的。数据的事情一定要自上而下的推动，也就是创始人一定要重视数据，把数据需求的优先级提升，这样在项目排期时，能够把数据的需求同时做了。我们知道两军对战，情报收集工作的重要性。做产品也是一样，数据收集工作的重要性不言而喻。&/p&&br&&p&最后，期望越来越多的创始人，从拍脑袋决策逐步向数据驱动决策做出转变。&/p&
我是神策数据的创始人桑文锋，属于利益相关者，最近正好写了篇文章，聊一聊“埋点”到底要不要。原文见： 随着移动互联网时代的兴起和数据量的大规模爆发，越来越多的互联网企业开始重视数据…
然而growing io只能做到对某个按钮进行设置，如果你的APP页面较多，按钮较多，你会因为想看这些字段的报表而设置疯掉。数据统计一直都是以从“宏观→微观，从局部→全面”反复推演才能得出较为精准的分析结果。如果要像Growing io一样把所有的细节点完全拆开，那么为了某个键位转化后对应的金字塔式接口，我相信你会被大量的数据路径弄疯。
然而growing io只能做到对某个按钮进行设置，如果你的APP页面较多，按钮较多，你会因为想看这些字段的报表而设置疯掉。数据统计一直都是以从“宏观→微观，从局部→全面”反复推演才能得出较为精准的分析结果。如果要像Growing io一样把所有的细节点完全拆…
已有帐号？
无法登录？
社交帐号登录
明白四达能无知乎| 时间排序
两个Saas服务都很优秀，都是国内顶级的用户数据分析服务。&br&如何选择可以从两个方面来考虑：&br&&br&1. 考察两个公司的产品功能，稳定性，准确性，数据安全性。但是这个方法有明显的问题，就是耗费大量的精力和时间后也不一定得到准确的结果。而产品的稳定性和安全性有需要长时间的考验，所以作为一个使用者来说根本没法评价。&br&&br&2. 从这些服务的真实用户来考察。SaaS的客户多且和你类似就从侧面证明了这个服务可能适合你。&br&&br&我从拉勾和IT橘子抓去了大约5万 家互联网公司，分析了这些公司的官网使用了那些数据分析产品，GrowingIO大约300+， 诸葛IO大约30+。 受到统计方法的局限，只分析了官网的数据，而且绝对数字都还比较小不能完全说明问题，但也有一定的参考意义。至少看看和你类似的公司都选择了那个服务。&br&&br&具体结果如下。&br&GrowingIO：&a href=&///?target=http%3A///product/growingio& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/product/grow&/span&&span class=&invisible&&ingio&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&诸葛IO：&a href=&///?target=http%3A///product/zhugeio& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/product/zhug&/span&&span class=&invisible&&eio&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&其他数据分析产品：&a href=&///?target=http%3A///category/analytics& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/category/ana&/span&&span class=&invisible&&lytics&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&
两个Saas服务都很优秀，都是国内顶级的用户数据分析服务。 如何选择可以从两个方面来考虑： 1. 考察两个公司的产品功能，稳定性，准确性，数据安全性。但是这个方法有明显的问题，就是耗费大量的精力和时间后也不一定得到准确的结果。而产品的稳定性和安全…
使用第三方平台一般情况是还要用到这第三方的部分数据吧，而这部分数据又是涉及用户隐私，无法明文给出的，如运营商的数据，你的模型必须部署在他们平台上，他们还要先审核。
使用第三方平台一般情况是还要用到这第三方的部分数据吧，而这部分数据又是涉及用户隐私，无法明文给出的，如运营商的数据，你的模型必须部署在他们平台上，他们还要先审核。
GrowingIO 全站都没有任何收费提示，等你使用了15天后，自动停了你的分析,发个邮件跟你说收费的， 关键还影响了 GA的统计。
GrowingIO 全站都没有任何收费提示，等你使用了15天后，自动停了你的分析,发个邮件跟你说收费的， 关键还影响了 GA的统计。
刚刚做growth工作不久，从目前的理解来说，我觉得growth的工具主要分三类。&br&&br&第一类是growth hack-获取用户，这个过程本身的工具。这些工具是用来直接做growth工作本身的。&br&&br&包括但不限于&br&1，一个能够attract潜在用户的博客系统。&br&2，edm邮件营销或其他outbound营销的工具，例如sendcloud等。&br&3，自动化营销工具，例如marketo，hubspot，mautic等&br&4，adwords，facebook等广告投放系统&br&&br&第二类是统计，获取数据的工具&br&growth工作需要对做的一切事情用key metric数据来评价推动。&br&&br&包括但不限于&br&1，google analytics，kissmetrics等网站流量统计分析工具&br&2，基本的sql查询&br&3，基本的js能力，可以利用google tag来方便地埋点统计。&br&&br&第三类是数据分析，数据可视化的工具&br&将数据呈现出来，分析总结，并利用这些数据和他人沟通。&br&&br&包括但不限于&br&1，excel，numbers图表。&br&2，tableau或者plotly等数据可视化工具&br&3，ppt 或者其他将数据呈现给他人的工具&br&&br&其实工具有很多，推荐大家一个论坛&br&&a href=&///?target=https%3A///growth-studies& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&/growt&/span&&span class=&invisible&&h-studies&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&有很多国外的growth在上面讨论&br&关于inbound营销，这里有两篇文章也可以给大家参考&br&&a href=&/p/& class=&internal&&&span class=&invisible&&http://&/span&&span class=&visible&&/p/21&/span&&span class=&invisible&&572442&/span&&span class=&ellipsis&&&/span&&/a&
刚刚做growth工作不久，从目前的理解来说，我觉得growth的工具主要分三类。 第一类是growth hack-获取用户，这个过程本身的工具。这些工具是用来直接做growth工作本身的。 包括但不限于 1，一个能够attract潜在用户的博客系统。 2，edm邮件营销或其他outbou…
我是神策数据的创始人桑文锋，属于利益相关者，最近正好写了篇文章，聊一聊“埋点”到底要不要。原文见：&a href=&/p/?refer=sangwf& class=&internal&&在数据采集上的痛苦、幻想与失望 - 瓦利哥的机器岁月 - 知乎专栏&/a&&br&&img src=&/a521904ebafe92b427e1db_b.png& data-rawwidth=&900& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&/a521904ebafe92b427e1db_r.png&&&br&&p&随着移动互联网时代的兴起和数据量的大规模爆发，越来越多的互联网企业开始重视数据的质量。在我创业的这一年里，接触了 200 多家创业型公司，发现如今的企业对数据的需求已经不仅仅局限于简单的 PV、UV，而是更加重视用户使用行为数据的相关分析。&/p&&br&&p&做数据的同学都知道，在数据分析的道路上，数据采集是重中之重。数据采集的质量直接决定了你的分析是否准确。而随着企业对数据的要求越来越高，埋点技术也被推到了“风口浪尖”。所谓，埋的好是高手，埋不好反倒伤了自己。而在数据采集的道路上大家经常会遇到各种各样的问题，今天我们就来分析一下埋点是否需要。&/p&&br&&p&&strong&首先我把数据采集的问题归结为三类：&/strong&&/p&&blockquote&&p&1、不知道怎么采，包括采集什么数据以及用什么技术手段采集；&/p&&p&2、埋点混乱，出现埋错、漏埋这样的问题；&/p&&p&3、数据团队和业务工程团队配合困难，往往产品升级的优先级大于数据采集的优先级。&/p&&/blockquote&&p&上面这三类问题让数据团队相当痛苦，进而幻想弃用数据采集，而尝试新方案后，进而迎来的是更大的失望。这里我对这三类问题的现状及应对之策做一下分析。&/p&&br&&p&&b&? 不知道怎么采&/b&&/p&&br&&p&一般创业公司的数据采集，分为&strong&三种方式&/strong&：&/p&&br&&p&第一种直接使用友盟、百度统计这样的第三方统计工具，通过嵌入 App SDK 或 JS SDK，来直接查看统计数据。这种方式的好处是简单、免费，因此使用非常普及。对于看一些网站访问量、活跃用户量这样的宏观数据需求，基本能够满足。&/p&&br&&p&但是，对于现在一些涉及订单交易类型的产品，仅仅宏观的简单统计数据已经不能满足用户的需求了，他们更加关注一些深度的关键指标分析，例如：用户渠道转化、新增、留存、多维度交叉分析等。这个时候才发现第三方统计工具很难满足对数据的需求，而出现这样的问题并不是因为工具的分析能力薄弱，而是因为这类工具对于数据采集的不完整。 通过这种方式 SDK 只能够采集到一些基本的用户行为数据，比如设备的基本信息，用户执行的基本操作等。但是服务端和数据库中的数据并没有采集，一些提交操作，比如提交订单对应的成本价格、折扣情况等信息也没有采集，这就导致后续的分析成了“巧妇难为无米之炊”。&/p&&br&&p&通过客户端 SDK 采集数据还有一个问题就是经常觉得统计不准，和自己的业务数据库数据对不上，出现丢数据的情况。这是前端数据采集的先天缺陷，因为网络异常，或者统计口径不一致，都会导致数据对不上。&/p&&br&&p&第二种是直接使用业务数据库做统计分析。一般的互联网产品，后端都有自己的业务数据库，里面存储了订单、用户注册信息等数据，基于这些数据，一些常用的统计分析都能够搞定。这种方式天然的就能分析业务数据，并且是实时、准确的。&/p&&br&&p&但不足之处有两点：一是业务数据库在设计之初就是为了满足正常的业务运转，给机器读写访问的。为了提升性能，会进行一些分表等操作。一个正常的业务都要有几十张甚至上百张数据表，这些表之间有复杂的依赖关系。这就导致业务分析人员很难理解表含义。即使硬着头皮花了两三个月时间搞懂了，隔天工程师又告诉你因为性能问题拆表了，你就崩溃了。另一个不足之处是业务数据表的设计是针对高并发低延迟的小操作，而数据分析常常是针对大数据进行批量操作的，这样就导致性能很差。&/p&&br&&p&第三种是通过 Web 日志进行统计分析。这种方式相较于第二种，完成了数据的解耦，使业务数据和统计分析数据相互分离。然而，这种方式的问题是“目的不纯”。Web 日志往往是工程师为了方便 Debug 顺便搞搞，这样的日志对于业务层面的分析，常常“缺斤少两”。并且从打印日志到处理日志再到输出结果，整个过程很容易出错，我在百度就花了几年的时间解决这一问题。&/p&&br&&p&所以，以上三种方式虽然都多多少少解决了一部分数据采集的问题，但又都解决的不彻底。&/p&&br&&p&&b&? 埋点混乱&/b&&/p&&br&&p&聊完采集方法，再来说说关于埋点的管理。我曾经接触了一家做了七八年的老牌互联网公司，他们的数据采集有 400 多个点。每次数据产品经理提出数据采集的需求后，工程师就会按照要求增加埋点，然后交给数据产品经理去验证。数据产品经理在试用的时候也感觉不到异常，可等产品上线之后，才发现埋的不对，再进行升级发版操作，整个过程效率极低。我们发现，一个公司发展到了一定程度，没有专人去负责埋点管理工作，数据采集就完全没有准确性可据采集就完全没有准确性可言。甚至有时产品上线之后，才发现数据采集的工作没有做，也就是漏埋了。&/p&&br&&p&于是数据团队又开始幻想，既然埋点这么容易出问题，有没有可能不埋点？这就像寻找可以祈求风调雨顺的神灵。&/p&&br&&p&在 2010 年，百度 MP3 团队曾经做了一个叫 ClickMonkey 的产品，只要页面上嵌入 SDK，就可以采集页面上所有的点击行为，然后就可以绘制出用户点击的热力图，这种方式对于一些探索式的调研还是比较有用的。到了2013 年，国外有家数据分析公司 Heap Analytics，把这种方式更近一步，将 App 的操作尽量多的采集下来，然后通过界面配置的方式对关键行为进行定义，这样便完成了所谓的“无埋点”数据采集。使用这种方案，必须在产品中嵌入 SDK，等于做了一个统一的埋点，所以“无埋点”的叫法实际上是“全埋点”的代名词。&/p&&br&&p&另外，这种方式同样也只能采集前端数据，后端服务器和数据库中的数据，依旧是无可奈何的。并且，即便进行前端数据采集，也无法深入到更细粒度。比如提交订单操作，订单运费、成本价格之类的维度信息，都丢失掉了，只剩下“提交”这一个行为类型。&br&&/p&&br&&p&对于非技术人员，容易被这种方式的名称和直接优势所吸引，但很快又会发现许多深度数据分析需求无法直接满足，进而有种被忽悠的感觉，会感到失望。其实不止是非技术人员，即使是技术人员，也都会让我解释一下“可视化埋点”的原理，说明“无埋点”真是个有迷惑性又不甚清晰的概念，难以细究。&/p&&br&&p&这里说一下关键点：一是事先在产品上埋一个 SDK，二是通过可视化的方式，生成配置信息，也就是事件名称之类的定义，三是将采集的数据按照配置重命名，进而就能做分析了。&/p&&br&&p&&b&? 数据团队和业务工程团队的配合问题&/b&&/p&&br&&p&最后，我们再聊一聊数据采集中遇到的非技术性问题。一般来说，公司到了 A 轮以后，都会有专门的数据团队或者兼职数据人员，对公司的一些业务指标负责。即使为了拿到这些基本的业务指标，一般也要工程团队去配合做一些数据采集工作。这个时候雷军的“快”理念就起到作用了，天下武功唯快不破。于是所有事情都要给产品迭代升级让路，快的都没有时间做数据采集了。殊不知没有数据指标的支撑，又怎么衡量这个功能升级是不是合理的呢？互联网产品并不是功能越多就越好，产品是否经得起用户考验，还是要基于数据说话的，然后学习新知识，用于下一轮的迭代。&/p&&br&&p&数据团队和业务工程团队是平级的团队，而数据团队看起来总是给业务工程团队增加麻烦事儿，似乎也不能直接提升工程团队的 KPI，所以就导致需求不被重视，总是被更高优先级的事情挤掉，数据的事情难有进展。&/p&&br&&p&&strong&解决之道&/strong&&/p&&br&&p&前面给大家抛出了数据采集中常见的三类问题，下面我们来看一下应对之道。&/p&&br&&p&对于不知道数据怎么采的问题，首先从意识上要重视数据采集工作。数据的事情归结起来就两点：数据采集和数据分析。可不能只看到数据分析而忽略了数据采集。事实上我个人在百度做数据的几年里，最大的心得就是数据这个事情要做好，最重要的是数据源，数据源收集得好，就成功了一大半。数据采集的基本原则是全和细。全就是把多种数据源都进行采集，而不只是客户端的用户数据。细就是强调多维度，把事件发生的一系列维度信息，比如订单运费、成本价格等，尽量多的记录下来，方便后续交叉分析。&/p&&br&&p&其次，要有一个数据架构师，对数据采集工作负责，每次数据采集点的增加或变更，都要经过系统化的审核管理，不能顺便搞搞。最后，我这里要推荐 Event 数据模型（有兴趣的可阅读：&a href=&///?target=https%3A///manual/data_model.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据模型 | Sensors Analytics 使用手册&i class=&icon-external&&&/i&&/a&），针对用户行为数据，简化成一张宽表，将用户的操作归结为一系列的事件。&/p&&br&&p&对于埋点混乱的问题，前面提到的数据架构师的角色，要对这块的管理负责。如果前面完成对 Event 的梳理，这里的埋点就会清晰很多。另外还要推荐尽量从后端进行埋点，这样便无需多客户端埋点了。当然，如果有行为只在客户端发生，还是要在客户端进行埋点的。对于业务复杂的情况，只有负责人还不够。目前我们神策分析针对这个问题，推出了埋点管理功能，对于每个采集点的数据收集情况，都能够做到全盘监控，并且可以针对一些无效采集点进行禁用。总之是希望把这个问题尽量好的解决掉。&/p&&br&&p&对于数据团队和工程团队的配合问题，我这里是想说给创业公司的创始人听的。两个平行部门间的推动，是很难的。数据的事情一定要自上而下的推动，也就是创始人一定要重视数据，把数据需求的优先级提升，这样在项目排期时，能够把数据的需求同时做了。我们知道两军对战，情报收集工作的重要性。做产品也是一样，数据收集工作的重要性不言而喻。&/p&&br&&p&最后，期望越来越多的创始人，从拍脑袋决策逐步向数据驱动决策做出转变。&/p&
我是神策数据的创始人桑文锋，属于利益相关者，最近正好写了篇文章，聊一聊“埋点”到底要不要。原文见： 随着移动互联网时代的兴起和数据量的大规模爆发，越来越多的互联网企业开始重视数据…
功能先不说，先说这个公司做业务的方法有点奇葩。&br&收费标准隐藏极深，官网无明显链接，会误导用户这是免费服务。&br&在安装完之后，客服会发邮件说他们要收费。&br&就很想知道这么重要的事情为什么不早说？
功能先不说，先说这个公司做业务的方法有点奇葩。 收费标准隐藏极深，官网无明显链接，会误导用户这是免费服务。 在安装完之后，客服会发邮件说他们要收费。 就很想知道这么重要的事情为什么不早说？
正在使用诸葛IO。&br&之前也在这两家之间选择哪个纠结，但GrowingIO主打的无埋点技术，一看就是给小白数据分析师的....还是选了诸葛IO。&br&GrowingIO不至于那么low，只是市场主打卖点太『平民化』
正在使用诸葛IO。 之前也在这两家之间选择哪个纠结，但GrowingIO主打的无埋点技术，一看就是给小白数据分析师的....还是选了诸葛IO。 GrowingIO不至于那么low，只是市场主打卖点太『平民化』
我其实想说， 在互联网行业上，linkedin，比起国内BAT，差挺远的。 数据分析更是。
我其实想说， 在互联网行业上，linkedin，比起国内BAT，差挺远的。 数据分析更是。
自己的后端统计可以更好的结合业务逻辑。&br&第三方统计更多的是通用的模型。&br&但如果第三方统计模型足以覆盖分析需求可以考虑第三方统计，毕竟维护一套统计系统或数据仓库还是比较麻烦的事情，比如数据量的增长可能会使自己后端统计模块变复杂、模块耦合不易维护，以及以后需要更多的统计需求的时候，之前的数据是否还有效。&br&第三方分析推荐试用诸葛io或神策分析还有growingio。&br&诸葛io是国内较早开始做数据分析的公司，主要是手机端的数据分析，价格也比较实惠。&br&神策的分析模型很通用，前端行为后端业务数据都可以接入打通分析，并且支持私有部署，适合长期使用。&br&growingio的无埋点分析理念很简单易用，主要是分析页面展示，控件触发等，容易上手，但也因此分析能力有限。
自己的后端统计可以更好的结合业务逻辑。 第三方统计更多的是通用的模型。 但如果第三方统计模型足以覆盖分析需求可以考虑第三方统计，毕竟维护一套统计系统或数据仓库还是比较麻烦的事情，比如数据量的增长可能会使自己后端统计模块变复杂、模块耦合不易维…
乱入混答，不满意请见谅。&br&&br&首先，结合企业实际拥有的数据，配合什么样的分析模型，想得到什么样的结果，这才是数据分析的难点，也是真正的价值点，第三方的平台一般提供不了这个。假设第三方能够提供咨询服务和解决方案，那么最难的问题已经解决了，基本上已经不存在接入第三方的需求。&br&&br&其次，作为一个企业，出于数据展现需要的话，如果拥有能力通过MDM，ETL等清洗出合适的数据，市面上有很多现成的工具可供操作。如微软的powerBI，sharepoint，开源的各种js chart，没有数据外泄的风险，而且可以跟企业权限体系OA等等的无缝连接。&br&&br&此外，有能力自己搭建自主掌控的平台对企业来说，远比选择一个第三方平台在降低技术风险角度更具可持续性。
乱入混答，不满意请见谅。 首先，结合企业实际拥有的数据，配合什么样的分析模型，想得到什么样的结果，这才是数据分析的难点，也是真正的价值点，第三方的平台一般提供不了这个。假设第三方能够提供咨询服务和解决方案，那么最难的问题已经解决了，基本上…
我说几点实际应用之后的体验&br&GrowingIO来讲非常整体功能比较合理，可自定义组合的方式很多。上手比较容易能带给用户很好的体验。但是在注册之后检测SDK和数据生成速度上还是需要改进。我等一个小时验证没成功，睡了一觉起来才好。&br&诸葛IO 帮助内容和SDK集成开发指导做的很好，便于新手能在指导下完成独立操作，功能都是大同小异， 比较倾向与APP端，推送功能略显鸡肋，不知道是不是为了弥补APP自身不能采集推送内容数据的而做的。并且值得一提的是，在注册的时候，整整等了10分钟没收到验证码。以为手机坏了，发给同事去注册，他也说没收到，后来才发现在右下角有个移动图片验证码，好尴尬
我说几点实际应用之后的体验 GrowingIO来讲非常整体功能比较合理，可自定义组合的方式很多。上手比较容易能带给用户很好的体验。但是在注册之后检测SDK和数据生成速度上还是需要改进。我等一个小时验证没成功，睡了一觉起来才好。 诸葛IO 帮助内容和SDK集成…
随着加入的门槛越来越低，会有很多人感兴趣的。国内来讲这种就是一专多能复合型技术人员&br&我的看法是可以把这个职业看成是网游里的吟游诗人，在副本中进行指挥和辅助工作，增加团队总体质量，弥补各种短板，并作出正确指导。
随着加入的门槛越来越低，会有很多人感兴趣的。国内来讲这种就是一专多能复合型技术人员 我的看法是可以把这个职业看成是网游里的吟游诗人，在副本中进行指挥和辅助工作，增加团队总体质量，弥补各种短板，并作出正确指导。
为啥在GrowingIO的问题下面推荐其他软件的，都要匿名呀。&br&软件用得好好的，你是怎么找到这个问题下面来的呀……&br&&br&GrowingIO在招人，可以过来聊聊，有兴趣私信。
为啥在GrowingIO的问题下面推荐其他软件的，都要匿名呀。 软件用得好好的，你是怎么找到这个问题下面来的呀…… GrowingIO在招人，可以过来聊聊，有兴趣私信。
以营利为目的的企业法人，成本不应该是首要考虑的吗？
以营利为目的的企业法人，成本不应该是首要考虑的吗？
有没有可视化的埋点设置？
有没有可视化的埋点设置？
&img src=&/5e7e93d3649381ecbbed69_b.png& data-rawwidth=&992& data-rawheight=&788& class=&origin_image zh-lightbox-thumb& width=&992& data-original=&/5e7e93d3649381ecbbed69_r.png&&
已有帐号？
无法登录？
社交帐号登录