运营离不开数据，因为数据可以帮运营者分析和反馈信息，也可以帮运营者认识到不足。如今是数据时代，每个企业都讲究数据，每个产品也都讲究数据化运营。数据化运营已经成为有经验的产品运营者的必需品。数据分析的基础流程主要有以下四步骤：
数据收集是产品数据分析的第一步，也是整个数据化运营的基础。数据收集伴随产品运营全过程，无论是初级阶段还是中级阶段，无论是测试还是评估，都要用到数据收集。产品运营以用户为核心，数据收集的重点是收集用户的需求数据。
数据采集方法主要有同卷调查、用户访谈、提问答卷、数据工具等。产品运营者要设计一系列针对性的问题，通过互联网等方式大面积铺放调查，最终导出特定信息，完成数据收集。
HTTPS 安全方案，保证数据安全，同时不会被篡改。
传输内容加密。
后端采集可以保障安全。
数据采集之后，通过 Antispam 清洗。
（1）统计信息清理：比如某些 ip 的数据过大
（2）机器学习，过滤某些客户的操作行为。
（3）真实设备：识别设备是否为真实的设备。
是什么？
https://www.sensorsdata.cn/blog/security_and_privacy_in_data_collecting/
是针对企业级客户推出的深度用户行为分析产品，支持私有化部署，客户端、服务器、业务数据、第三方数据的全端采集和建模，驱动营销渠道效果评估、用户精细化运营改进、产品功能及用户体验优化、老板看板辅助管理决策、产品个性化推荐改造、用户标签体系构建等应用场景。
作为 PaaS 平台支持二次开发，可通过 BI、大数据平台、CRM、ERP 等内部 IT 系统，构建用户数据体系，让用户行为数据发挥深远的价值。
上一篇里，我们看到神策分析可以为不同业务角色的问题分析过程给予支持。
这里，我们以电商行业为例，介绍神策分析如何帮助产品、运营、渠道投放的业务人员快速进行数据分析。
电商用户通常会经历以下核心行为流程：
启动 App
开始浏览首页
点击并浏览商品详情页
看到合适的商品，将商品加入购物车
有购买意向，提交订单
决定付款，支付订单
本节您需要达成如下目标：
理解什么是用户行为分析
理解用户行为分析领域事件、用户、属性等概念
日常工作中，您可能会遇到如下问题：
新上线的产品功能，每天有用户在使用？新设计后的订单页面成交比率有没有提高？
运营刚上线的活动，用户参与情况怎么样？用户是在哪一步发生流失的？
渠道投放的广告，有多少用户点击了？这些用户后来有在落地页上发生注册吗？
大部分情况下，一个用户只有一台设备且您需要达成如下目标：
理解用户标识和用户关联
理解神策支持的用户关联方案
确定待接入产品的关联方案
准确地标识用户，做好用户关联，是用户行为分析的基础。
如果有一丝纰漏，后续得到的统计或分析结果，都将被打上问号，因此请高度重视本节内容。
在真实世界中，我们通过身份证号来准确标识一个自然人，在互联网业务体系中，这种方式不再适用。于是产生了两种常见方案，第一种是通过用户的设备 ID 来唯一标识这名用户，这种方式在一定程度上解决了用户标识的问题，但是这种方案缺点也很明显，比如，同一台手机被多个用户用过，产生的行为被标记为同一个“人”；而老用户换新手机也会被识别为一个全新的用户；等等问题最终都将导致数据分析的结果不准确。第二种方案则是通过用户的账号或者客户号来识别用户，这种方案在业务后台系统中比较常见，但是用户在未登录状态下发生行为是无法被识别的，因此这种方案只能准确地记录业务数据，主要在业务数仓的搭建中充当用户标识。
在我们的技术支持下，完成数据分析需求的梳理；
根据需求完成行为事件的初步划分，以及关键用户 Profile 的设计；
完成神策分析的系统安装。
从已有的数据库或者历史日志中，按照我们指定的数据格式，导出一批历史数据；
使用批量导入工具，将历史数据导入到系统中；
在已导入的这批数据上，使用产品，完成一些数据分析工作；
根据需求和使用情况，修改事件模型或者增加相应的属性；
经过迭代，能够满足需求后，确认最终的事件模型。
有时候，对于我们的决定只要有一点点的数据支持就够了。一点点的变化，可能就决定了我们产品的好坏。我们可能会因此而作出一些些改变，这些改变可能会让我们打败巨头。
这一点和 Growth 的构建过程也很相像，在最开始的时候我只是想制定一个成长路线。而后，我发现这好像是一个不错的 idea，我就开始去构建这个 idea。于是它变成了 Growth，这时候我需要依靠什么去分析用户喜欢的功能呢？我没有那么多的精力去和那么多的人沟通，也不能去和那么多的人沟通。
我只能借助 Google Analytics 来收集用户的数据。从这些数据里去学习一些东西，而这些就会变成一个新的想法。新的想法在适当的时候就会变成一个产品，接着我们就开始收集用户数据，然后循环。
《精益数据分析》
[深入浅出数据分析（中文版）].(Michael Milton).李芳.扫描版.pdf
《深入浅出统计学》- Dawn Griffiths - 豆瓣
[谁说菜鸟不会数据分析(.入门篇)].张文霖.全彩版.pdf
Data Analysis Using SQL and Excel.pdf
Google Analytic经典分析.pdf
R语言实战（中文完整版）.pdf
吴喜之_统计学：从数据到结论(第2版).pdf
数据之魅：基于开源工具的数据分析.pdf
所谓埋点是数据领域的专业术语，也是互联网应用里的一个俗称。
它的学名应该叫做事件追踪，对应的英文是Event Tracking。
它主要是针对特定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。
埋点是为了满足快捷、高效、丰富的数据应用而做的用户行为过程及结果记录。数据埋点是一种常用的数据采集的方法。
埋点是数据的来源，采集的数据可以分析网站/APP的使用情况，用户行为习惯等，是建立用户画像、用户行为路径等数据产品的基础。
