原來分析的都是后臺交易數據，現在要分析用戶瀏覽行為，那要怎么搜集數據，數據埋點要注意點什么？

十年前在一家國有大行做分析數據時，數據是從磁帶上導出來的核心系統的備份數據，數據診斷時候發現少了一個月的數據，后來檢查才知道是磁帶發霉了，數據無法恢復。這些數據搜集存儲的目的不是做數據分析，分析這件事你做與不做，數據他都在哪里，就像一個廚師采來野果做菜，你不做菜，這個果子原本也就在哪里，這就是數據的漁獵時代。

而到了互聯網時代，數據分析的概念已經深入人心，一個APP，一個網站，要精準運營，要數據分析是必不可少。這時候要了解分析用戶使用的行為，就要埋點收集數據，這些數據如果不是為了分析的目的，本身是不用生成和搜集，就像一個廚師要做好薯條，就要種出個頭和淀粉含量符合要求的土豆，這是數據的農耕時代。

要做新一代的好廚(feixi)師，就要既懂得打獵，又懂的種地，結合好兩方面的食(shu)材(ju)，今天就以互聯網金融分析場景為例，說說數據收集埋點這件事兒。

1.以分析作為數據埋點的目標

廚師先想好做什么菜，在選擇用什么樣的食材，在反推出要種什么樣的糧食蔬菜。數據分析同樣也是，先知道分析什么，再確定埋點的方案。

如果只是簡單統計頁面的展示量，按鈕的點擊量的的話，就所有控件統一埋上瀏覽和點擊事件；但是如果又更進一步的分析需求，比如分析不同渠道用戶購買理財產品的平均期限長度，7天的還是180天的理財產品，就要在購買行為埋點時紀錄下產品的相關屬性，作為購買事件屬性的一部分，這樣在后面分析的時候可以直接使用。

2.打通前端埋點數據和核心業務系統數據

傳統金融客戶分析都是分析用戶金融行為，比如存款，貸款一類的行為，這類行為在業務數據庫中可以查到；現在蓬勃發展的互聯網金融業務中，還要分析紀錄用戶的前端瀏覽、交互的行為，對于一個用戶的分析需要綜合兩方面的數據。

比如對于最近一直瀏覽網站，沒有購買的客戶進行精準推薦，就要結合最近瀏覽的產品種類和過去購買過金融產品金額，產品特性，進行分析，這就要打通前端日志數據的用戶ID和后臺業務系統中的用戶ID，對于注冊登陸用戶要在日志中保留用戶業務系統ID，以便與關聯分析。

同時對于一開始沒有注冊登陸，后來注冊登陸的用戶，也要通過通用ID來進行關聯，最終把非登陸行為數據，登陸后行為數據和業務系統數據整合起來，進行全面的分析。

3.統一不同平臺的相同功能埋點名稱

在移動端一般都會進行iOS和Android兩個版本的開發，而這兩個版本功能大致相同，這種情況下， 相同功能的事件的埋點，盡量用統一的名稱。

比如“綁卡”按鈕的點擊事件，如果在ios版本上叫做“系統綁卡”，在android版本上叫做“綁卡操作”，就不方便計算不同平臺上總的綁卡操作次數；而如果統一叫做“綁卡按鈕點擊”，如果想了解總量，只需要選擇這一個事件進行統計，如果想分開看，可以使用日志中的“平臺”屬性作為維度進行對比分析。

4.通過存儲上下文信息來優化分析過程

在日志數據中，每個事件都是一行數據，想對這些日志進行綜合分析時，關聯前后事件信息必不可少，這是如果可以在事件屬性中紀錄事件前后關系的信息，就可以更方便的進行分析。

比如在很多金融服務中都要在手機端填寫比較多的登記信息，比如保險報價流程，需要跳轉多個頁面，如果要分析一次填寫中的時間跨度，前后關聯的情況，推薦在流程第一步時聲稱一個本次事務的ID，后面幾步都紀錄下這個ID，這樣在使用的時候，以這個ID為關聯，就可以更方便進行聯合統計分析。

小結

數據時代，數據是企業的核心資產，要想讓這種資產更好的發揮他的價值，就需要更多的“數農”，用更科學的“耕種”方法，獲得更優質“收成”。