很可惜 T 。T 您現在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經錄用會有專人和您聯系
咨詢如何成為春羽作者請聯系：鳥哥筆記小羽毛（ngbjxym）
本文將從數據采集層、數據接入層、數據處理層、數據應用層這四個層次來依序展開，講述一條數據從埋點產生，一直到最終被加工應用的過程，通過本文的閱讀理解，你可以收獲：
1、一個完整的數據處理鏈路；
2、理解數據在不同環(huán)節(jié)的加工方式；
3、對數據的流轉有較為全面的認識；
數據采集是一個完整的工作流程，他需要三個標準的動作來完成：埋點、采集、上報，這也是一組數據從產生到存儲必經的三個步驟。
1.1.埋點
埋點的功能是，在適當的位置，以特定的時機，以預定好的規(guī)則收集我們需要的數據的一種技術。
一方面，當用戶在app中產生動作時，對于我們來說，是不可見的。所以我們需要通過埋點，把用戶的行為盡可能全面，準確地記錄下來。以便我們后續(xù)對數據進行挖掘分析，以可視化的方式，重新復現用戶的行為。
另外一方面，除了用戶的行為外，很多時候我們還需要分析其他實體的行為，比如對于我們的app來說，會在崩潰的時候發(fā)送錯誤日志，這其實也是一種埋點，用于分析app自身這個實體，其他還有活動，商品等等實體。
至此，我們可以給埋點重新再下一個定義：埋點是對于特定的實體，在適當的位置，特定的時機，以預定好的規(guī)則收集我們需要的數據的一種技術。
所以我們需要有一個需求文檔，記錄埋點的事件、埋點的位置、埋點的上報時機、以及需要收集的數據等。
1.2.收集
一旦埋點被觸發(fā)，數據便會產生，埋點便會以我們預先設定好的規(guī)則去捕獲特定的數據。
但程序在運行時所有的變量都是保存在內存當中的，如果出現程序重啟或者機器宕機的情況，那這些數據就丟失了。埋點數據的丟失會給我們后續(xù)的分析帶來困擾。
所以我們需要對內存中數據進行序列化，變成可傳輸的文件暫存在本地文件。為后續(xù)的上報動作做準備。一般的接口返回數據都會封裝成JSON格式，比如類似下面這種：
1.3.上報
經過收集的數據從產品被送往數據接入層的動作過程就是上報。只有完成了上報成功并被存儲，才能算是對實體進行一次行為的記錄。
上報動作會對數據做最終把關：首先，篩查待上報數據，確保這些數據是被允許上傳的，然后，按照數據協議的約定，將待上報數據以合適的方式打包，最后，建立與數據接入層的通訊，完成數據包的傳送。
原則上我們是希望數據能夠被及時準確地上報，但是我們并不是出于時效的需求，而是希望能夠被完整且準確地記錄而已。所以在開始時，對于大部分埋點，可以將多個數據進行一定的積累后統(tǒng)一進行上報，既能保證產品的性能，又可以減輕數據的服務器和網絡負擔。常見的上報策略有四種：
當完成這幾步操作后，此時數據就已經脫離APP了，開始往數倉的方向流動，數倉承擔著接收數據并最終將數據落地到應用的職責。
數據在到達接入層后會經歷解包、解析轉換、數據清洗、數據存儲四個技術流程。只有經過了這一系列的步驟，數據才能夠以規(guī)整的形式呈現出來，以供下一個環(huán)節(jié)的消費。
2.1.解包（反序列化）
當兩個進程（前后端）在進行遠程通信時，彼此可以發(fā)送來各種類型的數據。
但無論是何種類型的數據，都會以二進制序列的形式在網絡上傳送。發(fā)送方需要把這個對象轉換為字節(jié)序列，才能在網絡上傳送；
接收方則需要把字節(jié)序列再恢復為對象。埋點數據在被上報的時候，是以json的格式進行壓縮傳輸的，所以數據在到達接入層后會經歷解包（也就是反序列化的操作）操作。
2.2.解析轉換
在數據收集的階段，我們收集上來的數據是按照一定的規(guī)則進行拼裝的，所以到達了接入層之后，就需要對它進行解析。
首先把它每個字段對應的度量值都提取出來。然后提取出來后的數據還要經過一步轉換，因為在解析后的數據類型與之前采集時定義的邏輯類型會存在差異，所以需要按照原先的定義，將每個字段的取值轉換為正確的類型和格式。便于后續(xù)的處理與應用
2.3.數據清洗
而且當數據量足夠大時，必定會產生“不干凈”的數據。我們以臟數據來稱呼這類數據。臟數據一般是指不真實、不完整、不正確、重復或無意義的數據。在數據采集和接入的過程中，產生臟數據的原因有很多，常見原因如下：
因數據采集組件未被正確配置導致一組數據缺失關鍵度量而不完整；
因用戶產品發(fā)生異常導致上報的數據中存在錯誤；
因用戶產品發(fā)生異常或網絡傳輸故障導致同一組數據被重復上報。
臟數據往往無法被糾正和利用，數據清洗的目標就是盡可能地消除臟數據，并修復臟數據產生的影響。對于自動化數據產品體系而言，這一過程要通過設置各種識別規(guī)則，結合機器學習來完成，必要時也要進行人工干預，以促進自動化體系的完善。
2.4.數據存儲
把數據比作客人，如果之前的三個過程是對客人的各種招待（當然也包括將不速之客拒之門外），那么數據存儲就是要為客人安排住宿了，數據倉庫是實現數據存儲的重要技術手段。
根據數據協議和采集規(guī)則 的定義，接入層會事先在數據倉庫中建立相應的表（Table），然后將接入的每一組數據依次存入表中（每一組數據在表中占據一行）。
這樣看來，數據倉庫就像一座大型賓館，每一張表則是為不同體格的客人量身定制的各種不同的房間。將各表以某種時間粒度（如小時、日、周）劃分分區(qū)，根據上報時間將數據分配到對應的分區(qū)中，不僅便于數據的歸檔存儲，更有利于提高數據在今后被提取使用的效率。
最終在處理完之后，埋點日志就變成一條條的明細記錄在表中，在多維事件模型中，是以大寬表的形式存在，在維度模型中，則是以事實表的形式存在。這些都是最原始的，未經過數據處理的明細數據，具體要怎么運用它們，就需要進入到我們下一步，數據處理的流程了。
數據接入層所存儲的上報數據是最原始的數據形態(tài)，是一系列用戶行為的明細數據，這些數據往往只是對用戶行為等的事實描述，離分析和應用還隔著“處理”這關鍵的一層。
數據處理層通過兩個基礎操作：歸并和計算，便可針對各種應用場景做各式各樣的處理，產生各種類型的數據以供消費。
3.1.歸并
歸并是指從一張或多張數據二維表中選取部分數據，整理成一份“新”二維表的操作，歸并處理主要有以下四種操作，選擇、投影、合并、聯結：
針對一份數據：
選擇（Selection）：將一張二維表，以一定的規(guī)則按行抽取其中部分數據形成“新”的二維表，列數不變
投影（Projection）：將一張二維表，以一定的規(guī)則按列抽取其中部分數據形成“新”的二維表，行數不變
針對多份數據：
合并（Union）：把兩張二維表按行拼接成一份“新”二維表，即縱向擴展，兩張二維表所有列上的字段必須相同。
連接（Join）：把兩張二維表按列拼接成一份“新”二維表，即橫向擴展。兩張二維表至少有一個相同字段作為連接鍵。
3.2.計算
這里的計算與數學中的計算概念大致相同，指通過已知數據得到未知數據的過程。在數據處理中，常見的計算操作分為兩種：組合計算和聚合計算
組合計算：將二維表的不同列（維度）上的度量值進行橫向計算的過程。（可以是數學運算，也可以是邏輯運算，條件運算等）
聚合計算：將二維表的同一列（維度）上的度量值進行縱向計算的過程。（一般用于統(tǒng)計，如計數、求和、求平均、求方差、求極值等）
在經過一系列的歸并與計算之后，數據已經被開發(fā)人員制作成具有業(yè)務意義的指標了。并且在不同的表中儲存起來。于是接下來我們就可以對這些指標，進行實際意義上的應用了。
在經歷了采集、接入、處理這一系列流程后，數據終于到達應用層了?，F在的數據雖然已經被制作成指標，但還是以一種不太友好的方式——數據表的方式呈現，所以我們要在提供的數據基礎上，制作成各種數據產品，落地到業(yè)務，讓數據可以真正為業(yè)務提供價值。
從發(fā)展形態(tài)來看，數據產品基本是沿著一條解決問題的邏輯路徑在進化的，即發(fā)現業(yè)務問題→分析定位問題→預測業(yè)務問題→智能處理問題。
對應這個路徑的數據產品則是：報表型產品（業(yè)務報表，DashBoard等）、到分析型產品（OLAP、漏斗工具、路徑分析工具等）、再到策略型產品（推薦系統(tǒng)、流失預警系統(tǒng)等）、最后到智能型產品（智能運營、智能營銷等）
大數據全景圖
前面的幾個類型的產品大家都應該是比較熟悉的，講講最后一個智能型產品吧。這個也是現階段業(yè)內都在研究與探索的內容。所謂的智能型產品到底是什么呢？
其實他是前一個階段的產品——策略型產品的一個進階，并且引入了大量自動化的機制來減少人的操作與決策過程。
比如，你現在有一套傳統(tǒng)的營銷系統(tǒng)，可以按照自己的分群規(guī)則來篩選目標用戶，并對設定在固定的是加你節(jié)點上，對這批用戶進行觸達營銷。但是如果是智能營銷系統(tǒng)的話，他的實現思路可能是這樣的。你只要輸入你的營銷目標及活動相關的參數，比如像雙11的促銷活動，系統(tǒng)就可以基于以往的海量數據計算出不同品類的商品應該采用什么樣的活動方式，對哪些類型的用戶推送，在什么時候推送等等。而這一些操作，都不需要人工去干預。可能最終機器只是輸出一個最終的執(zhí)行方案讓你點一下是否確認而已。完全釋放了運營的人力，機器的數據邏輯取代了運營的經驗決策。
但是，目前還沒見到有比較完美的實現方案，大部分實現的都是半自動的智能型產品。雖說暫時沒有，但不代表以后不可能，至少在可預見的基礎，這個功能是完全有可能實現的。
巧婦難為無米之炊，要掌握好一個數據產品的設計思路，就需要對產品背后的數據處理流程進行深刻的理解，去感受數據在不同處理環(huán)節(jié)中產生的價值。
本文為作者獨立觀點，不代表鳥哥筆記立場，未經允許不得轉載。
《鳥哥筆記版權及免責申明》 如對文章、圖片、字體等版權有疑問，請點擊 反饋舉報
我們致力于提供一個高質量內容的交流平臺。為落實國家互聯網信息辦公室“依法管網、依法辦網、依法上網”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據本公約中的條款對注冊用戶和發(fā)布在本平臺的內容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質內容，同時也將采取必要措施管理違法、侵權或有其他不良影響的網絡信息。
一、根據《網絡信息內容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權益；
11)通過網絡以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網絡欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內容；
2. 不友善：不尊重用戶及其所貢獻內容的信息或行為。主要表現為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網站秩序的內容，或進行相關行為。主要表現為：
1)多次發(fā)布包含售賣產品、提供服務、宣傳推廣內容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內容；
4)多次發(fā)布包含欺騙性外鏈的內容，如未注明的淘寶客鏈接、跳轉網站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產品、品牌等內容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網站秩序的推廣內容及相關交易。
7)發(fā)布包含欺騙性的惡意營銷內容，如通過偽造經歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內容審核的廣告內容。
4. 色情低俗信息，主要表現為：
1)包含自己或他人性經驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內容；
4)帶有性暗示、性挑逗等易使人產生性聯想；
5)展現血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內容。
5. 不實信息，主要表現為：
1)可能存在事實性錯誤或者造謠等內容；
2)存在事實夸大、偽造虛假經歷等誤導他人的內容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構或個人存在關聯。
6. 傳播封建迷信，主要表現為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現為：
1)以各種夸張、獵奇、不合常理的表現手法等行為來誘導用戶；
2)內容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現為：
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網絡水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內容，主要表現為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災害、重大事故等災難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網絡生態(tài)造成不良影響的其他內容。
二、違規(guī)處罰
本網站通過主動發(fā)現和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內容質量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內容時，本網站將依據相關用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內容時，本網站將加重處罰。
三、申訴
隨著平臺管理經驗的不斷豐富，本網站出于維護本網站氛圍和秩序的目的，將不斷完善本公約。
如果本網站用戶對本網站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網站進行反饋。
(規(guī)則的最終解釋權歸屬本網站所有)