[大数据]数据仓库之—埋点全流程

控制好上游的埋点，就能在数仓范围上，更合理的规划模型。试想，如果把所有的埋点数据抽象到一个模型中，一个模型能满足所有的埋点查询需求，是不是解放了数仓的大量流量数据需求。

埋点流程

① 提出埋点需求

产品运营预估未来的数据需求，并根据这些数据需求提出埋点。

② 埋点评审

产品运营+数据团队+开发团队，三方共同评审埋点的合理性。

埋点评审评什么？

1. 有无埋点的必要？是否有除了埋点更好的方案？
2. 埋点内容的技术可行性？——技术回答
3. 埋点是否能满足未来的数据需求？
4. 是否有更合适的埋点方案？

③ 埋点录入

三方协商一致后，将埋点内容录入至埋点系统。便于后续的开发、迭代、回溯管理。

④ 埋点开发

开发团队根据录入的埋点落地开发。

⑤ 埋点验收测试：

1. 触发时机
2. 事件以及所有字段是否正常上报；
3. 数据类型；
4. 连续性：丢失率&重复率；

埋点原则

1. 准确性原则

2. 高内聚低耦合原则

3.结果归一性原则

例如一个页面存在多个入口，那么统计来源时，只需要通过拿到该页面的曝光以及所携带的from属性即可。

4. 有效性原则

每个事件都应该对产品有着实际的分析价值与指导意义。对于那些没有指导意义的事件，请勿添加。如果某个动作的发生，必然导致另外一个唯一结果事件，则建议只统计结果事件即可，对于很多统计平台来说，事件是十分稀有的资源。