神策数据:企业埋点体系搭建方法论及实践经验白皮书(附下载地址) 神策数据 机构待认领~ 2019-07-17 09:31:56 作者:神策数据 3116 收藏 三个皮匠微信公众号每天给您带来最全最新各类数据研究报告数据分析中常见的问题在企业数据应用过程中,业务人员经常会遇到以下问题,接下来分别来看这几类问题常见的原因有哪些,跟数据采集环节有关的因素有多少。(原文来自皮匠网,关注“三个皮匠”微信公众号,每天分享最新行业报告)问题1:“这个数据跟后台差异很大,数据不准”导致这种情况的原因会相对复杂一些,以下是常见原因,主要与数据的采集和统计定义较为相关:统计口径定义不一样:对比的数据名字和含义类似,但实际统计方式上,存在统计范围和结构上的差异,因此对不上,比如登录,一个包含指纹验证登录,一个不包含指纹验证登录等;埋点定义不一样:对比的两个数据,埋点采集的是一个事情,但其实触发方式和范围不一样,如提交订单,有些是点击提交订单按钮时触发上报,有些是获取成功提交订单结果后再触发上报;采集方式带来的误差:前端采集一般会有一部分数据丢失,与后端采集结果会存在一定的出入,一般5%以内是正常现象。问题2:“想用的时候,发现没有我想要的数据”导致这种情况的原因,通常有以下几类:没有提数据采集需求:产品功能上线或者变更时,没有或者没有完整规整数据采集的需求,等产品上线有用的需要了,才发现想要的数据并没有;埋点不正确、不完整:需求提的粗,提完之后没有跟进需求确认和上线验收,导致技术实际采集的数据并不是自己真正想要的,或者覆盖不全面,用的时候才发现没有真正想要的数据。问题3:“事件太多,不知道什么意思,用起来很麻烦”导致这种情况的原因,通常有以下几类:埋点设计的方式二埋点梳理的方式按照一个点、一个事件的方式提,没有进行结构化管理和抽象,这种设计方式下,点击和页面浏览这两类事件就已经足够多了,加上自定义业务流程类事件,系统内常常是几百、几千个事件,业务人员基本无法用;埋点更新迭代的规则和维护:产品数繁史新迭代,对埋点的系统性规整和保持数据一致性也带来了很大的挑战,新增埋点越来越多,但缺乏及时的规整和维护,事件会逐渐累计,且同类功能新旧埋点在使用上会出现断裂。问题4:“想分析一个问题,但是不知道应该看哪个数据、哪些指标”这种情况通常有两大类原因:数据定义不清楚二系统类的事件、属性、属性值,没有做对应的中文映射,业务人员不了解埋点方案的情况下,不知道分别是什么含义,导致无从下手使用;缺乏分析思路二缺乏业务分析需求和数据之间的关联思路,想不清楚分析什么数据、怎么分析数据是能解决业务问题的。从以上常见的问题和原因来看,只有比较少是数据规整和加工能解决的问题,很大一部分问题都跟埋点本身有关,并且埋点带来的数据本身可用性的问题,通常是根本性的问题,很难在后期通过其它方式弥补,必须从源头对数据采集和管理进行规范管理。 本文标签 数据 企业 体系 搭建 方法 法子 论及 实践经验 白皮书 下载 地址