数据分析流程
对于数据分析来说，好的数据源才是数据分析的基础。
数据采集是整个数据分析的起始点，也是最为重要的环节之一。
采集的数据质量直接影响最终的决策。
为此，作为数据采集重要方式之一的数据埋点，就显得尤为重要了。
埋点是针对用户行为或事件进行捕获、处理和发送的相关技术及其实施过程。
ps: 埋点是一种收集方式，爬虫也是。
了解数据埋点的几种类型
从系统的前后端来讲，埋点分为前端埋点和后端埋点。
无埋点是前端埋点，而代码埋点既是前端埋点又是后端埋点。
埋点是在应用系统中嵌入额外的代码，具体的方式有三种：代码埋点（手动埋点）、可视化埋点、无埋点（全埋点）。
应用场景如下图：
选择需要埋点的数据
哪些需要埋点，哪些没必要埋点是根据具体业务需要来的。
比如视频网站，用户浏览时长，VIP转换率，用户活跃度都是很重要的指标。
对于工具类产品，比如迅雷，下载成功率，解析率就是很重要的指标。
也可以理解为在什么阶段，需要得到什么结果，而导致这些结果的因素就是指标。
例如我想知道上线后这个产品到底有没有人用过，那么我们需要关注PV、UV，那么这个PV、UV就是需要埋点获取到的数据，也是数据的指标。
从大多指标来讲，常用的3种指标需要埋点：基础指标、用户行为数据指标和核心质量指标。
1、基础指标
1）用户属性相关：性别、年龄等。这类数据一般需要从第三方平台获取
2）用户行为相关：用户数、新增用户数、DAU等
3）设备相关：电脑系统、地区、语言、国际、产品版本等
2、用户行为指标
1）用户轨迹
2）平均使用时长
3）购物偏好/观看偏好
4）使用时间段
3、核心质量指标
不单单指产品性能，还包括产品自身业务相关的重要指标
1）异常退出率、Crash率
2）购买成功率/下载成功率等
确定数据埋点的方式
确定好想要获取的数据后，我们需要确定埋点方式。
很多公司都是结合前端+后端埋点的方式，服务器后端数据实时性强，很准确，用户需要请求服务器的关键业务最好使用后端埋点，比如在线播放、游戏安装等。
同时使用前端和后端埋点，也能方便我们验证数据的准确性，假如一方数据发生重大问题的时候，可以用另一方的数据代替。
不用过于纠结两者数据为什么对不上，应该结合两者相互验证。
在产品上线前期（用户少，业务数据少），我们可以采用无埋点的方式。
通过UV、PV、点击率等基础指标即可满足目前的分析需求。
上线一段时间后，我们需要进行深度的数据分析时，就可加入代码埋点，它可以帮助我们收集需要的属性。
对于埋点而言，整个过程会涉及到多个角色，比如如下图的工作模式。
埋点流程
从埋点数据分析角度来看，数据分析流程可以这样梳理：
1、梳理产品逻辑和需求
1）产品信息架构图
产品信息架构是指产品框架，也可理解为产品模块。
比如京东APP的首页、分类、发现、购物车、我的等。
2）产品功能结构图
通过产品功能，能够把产品页面连接起来，功能之间怎么衔接。比如评论、分享等。
3）核心业务流程图
比如注册流程，电商产品的购买成功流程，工具产品的下载成功流程等。
4）产品指标需求
比如从产品人员、运营人员、市场人员的角度来看，怎么设定指标，关注的指标是什么。
