數據采集的三大要點

　　1、全面性

　　數據量足夠具有分析價值、數據面足夠支撐分析需求。

　　比如對于「查看商品詳情」這一行為，需要采集用戶觸發時的環境信息、會話、以及背后的用戶id，后需要統計這一行為在某一時段觸發的人數、次數、人均次數、活躍比等。

　　2、多維性

　　數據更重要的是能滿足分析需求。靈活、快速自定義數據的多種屬性和不同類型，從而滿足不同的分析目標。

　　比如「查看商品詳情」這一行為，通過埋點，我們才能知道用戶查看的商品是什么、價格、類型、商品id等多個屬性。從而知道用戶看過哪些商品、什么類型的商品被查看的多、某一個商品被查看了多少次。而不僅僅是知道用戶進入了商品詳情頁。

　　3、高效性

　　高效性包含技術執行的高效性、團隊內部成員協同的高效性以及數據分析需求和目標實現的高效性。

　　基于以上三點，我們看如何讓數據采集更準確、分析更有用以及團隊內部更高效。

　　數據分析價值性和高效性

　　step1：明確數據驅動目標

　　數據采集切忌大而全，數據分析需求也是隨著產品不斷迭代的，明確長遠和當前階段的分析需求，讓分析更有目的性，技術執行更高效。

　　場景舉例：

　　小何是公司的產品經理，小張是技術，近兩人都認識到了數據在產品運營和決策中的重要性，經過幾個數據平臺的調研，后，選擇了云梯，并且已經明確了當前階段的數據需求…

　　小何：「小張忙嗎，文檔中那個，登錄流程、注冊轉化、購買轉化、分享轉化等是長遠需要關注的數據指標，務必埋上哦；對于發現功能呢，兩個禮拜后我們會提交一個新版本，先不埋了啦，辛苦啦?！?br/>
　　小張：「小何，你真棒，一會兒我就給你埋好了呢！」

　　小何：「哦還有，注冊那個頁面我們有個推薦人選項，需要用戶輸入推薦人賬號，采集的時候別采賬號啊，我只想看注冊用戶是否有推薦人的分布，把那個屬性處理成判斷哦」

　　小張：「這簡單。那今晚…」

　　看著小何轉身要離開了，小張欲言又止，默默地繼續敲代碼了…

　　step2：按需采集數據

　　帶著需求和分析目標去采數據，不僅避免了數據冗余帶來的無從下手，也避免了全量采集之后卻不知道要分析什么的尷尬。

　　圖示為埋點范例：

http://www.dgzxsm168.com/youhuazixun/1780.html 讓數據說話 如何采集分析數據