数据采集的三大要点

　　1、全面性

　　数据量足够具有分析价值、数据面足够支撑分析需求。

　　比如对于「查看商品详情」这一行为，需要采集用户触发时的环境信息、会话、以及背后的用户id，后需要统计这一行为在某一时段触发的人数、次数、人均次数、活跃比等。

　　2、多维性

　　数据更重要的是能满足分析需求。灵活、快速自定义数据的多种属性和不同类型，从而满足不同的分析目标。

　　比如「查看商品详情」这一行为，通过埋点，我们才能知道用户查看的商品是什么、价格、类型、商品id等多个属性。从而知道用户看过哪些商品、什么类型的商品被查看的多、某一个商品被查看了多少次。而不仅仅是知道用户进入了商品详情页。

　　3、高效性

　　高效性包含技术执行的高效性、团队内部成员协同的高效性以及数据分析需求和目标实现的高效性。

　　基于以上三点，我们看如何让数据采集更准确、分析更有用以及团队内部更高效。

　　数据分析价值性和高效性

　　step1：明确数据驱动目标

　　数据采集切忌大而全，数据分析需求也是随着产品不断迭代的，明确长远和当前阶段的分析需求，让分析更有目的性，技术执行更高效。

　　场景举例：

　　小何是公司的产品经理，小张是技术，近两人都认识到了数据在产品运营和决策中的重要性，经过几个数据平台的调研，后，选择了新图闻，并且已经明确了当前阶段的数据需求…

　　小何：「小张忙吗，文档中那个，登录流程、注册转化、购买转化、分享转化等是长远需要关注的数据指标，务必埋上哦；对于发现功能呢，两个礼拜后我们会提交一个新版本，先不埋了啦，辛苦啦。」

　　小张：「小何，你真棒，一会儿我就给你埋好了呢！」

　　小何：「哦还有，注册那个页面我们有个推荐人选项，需要用户输入推荐人账号，采集的时候别采账号啊，我只想看注册用户是否有推荐人的分布，把那个属性处理成判断哦」

　　小张：「这简单。那今晚…」

　　看着小何转身要离开了，小张欲言又止，默默地继续敲代码了…

　　step2：按需采集数据

　　带着需求和分析目标去采数据，不仅避免了数据冗余带来的无从下手，也避免了全量采集之后却不知道要分析什么的尴尬。

　　图示为埋点范例：