数据埋点是一份上手容易精通难的典型例子,可以说人人都可以埋点,但是埋点质量差异巨大,而这份差异随着时间推移会加速放大。
埋点设计的复杂性不亚于系统设计,其应用的场景、牵涉的方面和背后的思考也是相对复杂的。数据埋点的质量是依赖于日志采集为源的数据系统的根基,所以埋点是整个数据体系中很值得深耕的方面。
目前很少能有系统介绍埋点的文章,大多都是简单的介绍下埋点的分类和现状,对具体埋点设计的思维方式、原则、典型场景和管理的文章就更加缺少,本系列在这个方面做了探索,试图呈现埋点全景图。
本系列从从实际业务中埋点的整个流程讲起,分别对应本系列的:
对埋点有个基本概念,了解埋点采集的信息样式、目前的技术现状等。
梳理旧需求和旧埋点,整理信息架构,埋点的流程是如何运作的,这些工作可以很大程度上帮助你快速展开埋点工作,提高对信息采集的设计能力。
埋点设计的四大思维和典型场景,埋点的核心。
无规矩不成方圆,尤其是像埋点这个横向牵涉到产品、数据产品、业务开发、大数据开发、测试、运营各方人员,纵向又会随着版本迭代等因素不断的演变,因此需要一套规则和规范埋点的设计和管理方式,
埋点开发和普通的业务开发一样,测试验收环节必不可少,但有些不同,业务开发大多都能通过界面操作感知就可以验证,而埋点的验证是隐性的,需要借助专门的工具来对比。而且验收更加严格,测试验收、数据开发人员验收、数据产品经理验收。
最后以第七篇《埋点实战》结尾,学以致用,系列文章和埋点过程的对应如下图所示:
埋点能力的提高不是一蹴而就的,在实际业务中结合数仓和指标体系设计多梳理、多思考,不断提高埋点技能,以希望能达到面向指标、心怀数仓的埋点设计水平。
本文为数据茶水间群友原创,经授权在本公众号发表。
关于作者:我是水大人,资深潜水员,一个基于开发、面向分析、走向全栈的饱经摧残的数据新手,爱折腾不爱玩,爱总结爱思考的老兵,错了改改了又错的惯犯。