数据分析流程
一个典型的数据平台，对于数据的处理，是由如下的5个步骤组成的：
数据采集--〉数据传输--〉数据建模--〉数据统计--〉数据可视化展示
其中，我们认为，第一个步骤，也即数据采集是最核心的问题。数据采集是否丰富，采集的数据是否准确，采集是否及时，都直接影响整个数据平台的应用的效果。
埋点
埋点是对用户行为数据进行采集的方法，通常包括以下几种埋点方式：
1. 手动埋点（代码埋点）
代码埋点出现的时间很早了，在 Google Analytics 年代，就已经出现了类似的方案了。目前，国内的主要第三方数据分析服务商，如百度统计、友盟、TalkingData 等都提供了这一方案。
它的技术原理也很简单，在APP或者界面初始化的时候，初始化第三方数据分析服务商的SDK，然后在某个事件发生时就调用SDK里面相应的数据发送接口发送数据。
代码埋点也有一些劣势。
1. 首先，埋点代价比较大，每一个控件的埋点都需要添加相应的代码，不仅工作量大，而且限定了必须是技术人员才能完成。
2. 其次是更新的代价比较大，每一次更新埋点方案，都必须改代码，然后通过各个应用市场进行分发，并且总会有相当多数量的用户不喜欢更新APP，这样埋点代码也就得不到更新了。
3. 再次，埋点行为比较容易犯错，漏埋，错埋，经常发生，并且不方便测试。
4. 最后，业务人员经常会在app上线后提出采集需求，这时候需要重新发布app版本才能添加代码埋点。
2. 全埋点
全埋点的埋点事件全部由sdk自动捕获，相对手动埋点节省了很大的工作量。
全埋点主要包括页面自动埋点和点击事件的自动埋点。
全埋点事件的唯一标识一般是以触发事件的类名，按钮的title，按钮在页面子控件中的编号，按钮的类型，按钮所属控制器的类名等组合生成。但这种方式会随着页面调整造成一些统计错误，并且全埋点无法覆盖带有特殊业务属性的埋点事件（比如点击购买商品需要带上商品sku）。
3.埋点可视化圈选
埋点圈选一般是基于全埋点，也有通过配置文件下发埋点的方式。埋点的圈选操作是在app的可视化界面下完成，即使是不懂技术的业务角色也可以轻松按照自己的业务分析需求，设置不同埋点，从而避免了因为与技术的沟通失误造成的错埋与漏埋。并且即埋即见数据，更有助于依赖数据实现产品的快速迭代与运营策略指定。
