数据反馈，不仅能验证我们的产品是否符合市场的预期，而且还能为我们优化产品，迭代产品提供需求，建立产品的优化飞轮。

因此，数据分析是形成整个产品工作闭环中，必不可少的一环。

去年我们团队上线了一个新的产品，上线后，由于一直招不到合适的数据产品经理，因此团队让我先暂时支持下数据产品的基础工作。

于是，在这期间，我成了半个数据产品，在支持了一段时间的数据工作后，也建立了对数据的基本认知。

所以今天，我先从埋点开始，介绍下数据埋点工作过程中要了解的要点，同时补充介绍下，在数据分析工作中，可以直接应用一些分析框架和工作方法。

一、数据埋点与事件管理

埋点，是通过在程序中植入代码的方式，记录用户在软件（web、app、小程序）上的操作行为的技术手段。

事件，是记录用户在软件中操作行为的标签，如，用户在首页的曝光事件、按钮的点击事件等。

而在事件中，为了进一步区分事件的范围，更好地进行数据分析，会增加事件的“参数”，用来框定某个范围内的数据。如，时间参数、城市参数，就是用来筛选某个区间内事件上报数据的。

假如，我们要看到3月20日的产品首页曝光人数。

我们首先可以在首页中增加带有“时间”参数的“曝光”事件埋点。

在查询时，可通过代码在数据库中找到“首页曝光”这个事件，并在时间上选择“昨天”这个时间参数。

就可以得到昨天在首页曝光的用户数。

事件是通过用户在软件中留下的痕迹，来进行统计和上报的。

因此，从用户痕迹获取的维度上来看，事件可分为：基础事件和行为事件

1）基础事件是用户的属性标签，可用来建立用户画像的；如，用户id、城市、地址、年龄、经纬度、设备、ip地址、运营商、网络等信息，都属于基础事件。

2）行为事件就是用户在软件上的行为标签；如，曝光pv/uv、点击pv/uv、停留时长等，都属于行为事件。而根据用户操作的行为，行为事件又可进一步细分出以下三类：

• 点击事件，指用户在软件中的点击，如用户在某个按钮、某个功能的点击，都记录为一次点击事件；
• 曝光事件，指用户打开页面的行为，如用户在某个页面上曝光一次，记录为一次曝光事件；
• 页面事件，指用户在页面中的操作，如，通过统计A用户在B页面停留时长；

介绍完事件分类之后，我们再来看下埋点的两种主要方式：

1）私有化部署

全部功能都自己开发，在代码中写入事件和上报逻辑，并搭建起相应的查询后台，埋点后，事件上报到对应的平台即可进行可视化呈现。

私有化部署的优势是：数据安全性高；且可根据业务需要，定制埋点逻辑；

但缺点也同样明显，就是不论是埋点开发还是可视化平台的搭建，所耗费的成本都比较高；

所以，一般只有大厂或相对成熟的产品，才会选择私有化部署的方案。

2）第三方统计工具

如使用友盟、神策等平台工具进行埋点、统计和上报。

这么做的话，优劣势和自行开发刚好相反：通用化的方案，带来的结果是可自定义程度低，但成本也会相对较低。

所以，一般中小型企业或新产品，都会选择此方式，满足业务的基本数据诉求。

从工作流程上来说，埋点需要业务方先从拆解需求核心流程开始梳理，提出埋点需求；

开发团队根据埋点逻辑进行开发，开发完成后，测试团队进行上线前的测试；

上线之后，产品将数据的事件维护到表格中，而后，业务方才方便根据反馈的数据，定义数据，进行数据分析或可视化呈现。

因此，埋点也是数据采集和分析的基础。而在埋点开发到上线过程中，我们要注意以下几点：

1）埋点方案，要保证埋点需求的合理性

随着数据维度的健全，所需的数据量也增大，因此需要埋点的事件也会越来越多，这是必然的趋势。