给力小青年|封面数据 | 智能化数据埋点及其数据分析呈现数据采集

数据采集，是一切有效分析的前提。在我们做数据分析的时候，首要我们该优先考虑的是数据埋点采集过来的数据是否标准和有效，以及后期数据呈现。本文是根据封面数据研究部数据分析师River ，经过多年对媒体应用数据研究，近期内部分享《SDK埋点及其数据呈现》的主题整理而成，本文主要的内容包括：

SDK埋点简介
数据的流转
数据的呈现

一、SDK埋点简介
1、埋点简介
所谓埋点就是在应用中特定的流程收集一些信息，用来跟踪应用使用的状况，后续用来进一步优化产品或是提供运营的数据支撑。

根据埋点位置可以分为客户端埋点和服务端埋点。
客户端埋点主要是统计用户用户的滑动，点击等频繁行为，如果埋点需要改动频率比较高，就会涉及到客户端的频繁更新，所以一般情况下客户端的埋点需要尽量规范统一，避免频繁的修改。
服务端埋点主要用来统计用户不频繁而且能持久化的数据，如登录注册等。
根据埋点类型，又分为事件埋点和页面埋点，就像用户在什么地方做什么事情一样，页面埋点就是地点，事件埋点就是做的动作。
根据代码的技术方式，又可以分为代码埋点、全埋点和可视化埋点。
代码埋点的方式主要是针对特定的需求，进行代码的添加，如果需求的点比较多，对技术开发以及后续的维护成本比较高。
全埋点也就比较简单，只需要集成固定的一段SDK代码或者代码包即可安装好埋点。
可视化埋点解决了代码埋点埋点代价大和更新代价大两个问题，主要的缺点是可视化埋点覆盖的功能有限，还会增加可视化埋点平台的开发工作量。
我们在接触到具体的项目或者场景时，通过对后期需求的梳理，需要确定合理的埋点方式。
【给力小青年|封面数据 | 智能化数据埋点及其数据分析呈现】2、埋点数据5要素

我们进行埋点其实就是要统计一个用户在一个环境内做什么事情，这里就包含了通常的5个要素用户代表WHO ，环境就是WHEN（时间）、WHERE（地点）、WOH（设备、渠道等），事情就是WHAT 。
二、数据流转

通过SDK工具集的收集，我们收集到了大量合理有效的埋点数据，在数据仓层面我们进行了数据分层（接口层，清洗层，汇总层，应用层，维度层），分主题域（用户域，内容域，行为域，广告营销域，留存，地理位置），数据分析师通过对整套SDK分析系统对数据的维度下钻和对比，最终形成对埋点分析的报表结论。
三、数据的呈现
1、指标和纬度

我们这里先从主题域的角度，大概看一下有些什么指标，但是每个行业都不一样，指标之间进行四则运算构建衍生指标，衍生指标是相当重要的，其设定相当考验分析能力。