本文作者葉玎玎，GrowingIO 的聯(lián)合創(chuàng)始人，他也是連續(xù)創(chuàng)業(yè)者，是企業(yè)協(xié)作工具風(fēng)車的聯(lián)合創(chuàng)始人，十多年的工程開發(fā)經(jīng)歷和多年的項目管理經(jīng)驗，現(xiàn)在負(fù)責(zé)核心工程開發(fā)和技術(shù)實施。本文是他對于互聯(lián)網(wǎng)創(chuàng)業(yè)公司數(shù)據(jù)采集和分析的一些思索和心得。
過去的 6 年，因為一直在創(chuàng)業(yè)的緣故，我嘗試過不少分析工具，包括 Google Analytics、Mixpanel、CustomerIO、Optimizely 等等。我遇到的最大問題不是如何去衡量關(guān)鍵業(yè)務(wù)指標(biāo)（KPI），而是很多時候，我并不知道哪些指標(biāo)是我應(yīng)該衡量的。
舉個例子，當(dāng)我去度量注冊轉(zhuǎn)化率的時候，因為入口有限，所以相對來說我還能比較容易的得到結(jié)果。但是一旦我需要去衡量用戶留存率的時候，除了找出不同的功能對于留存的影響，還要考慮渠道、文案等因素，只能不斷胡亂抓瞎假設(shè)和論證。
所以，當(dāng)我 2014 年第一次向GrowingIO 創(chuàng)始人、前LinkedIn高級商務(wù)分析總監(jiān)張溪夢請教他是如何做商業(yè)分析的時候，我發(fā)現(xiàn)即使是在 LinkedIn 這樣大型并且不缺資源的公司，遇到的問題跟我自己創(chuàng)業(yè)所經(jīng)歷的也及其相似：低效，各種低效。
我們在思考，是否可能提供一個簡單、迅速和規(guī)?；臄?shù)據(jù)產(chǎn)品，讓分析回歸價值。而這，就是 GrowingIO 目前主打的無埋點方案，真正的無埋點。
上圖是一個標(biāo)準(zhǔn)的數(shù)據(jù)分析的過程。研究用戶，開發(fā)產(chǎn)品市場銷售，數(shù)據(jù)采集、轉(zhuǎn)化存儲和管理，ETL 處理分析，構(gòu)建 BI，商業(yè)洞察和決策，最后是行動。
這是一個標(biāo)準(zhǔn)的金字塔結(jié)構(gòu)，越往上價值力越高。然而目前大量的數(shù)據(jù)分析工作，都浪費在前期的技術(shù)搭建和數(shù)據(jù)清洗上，真正創(chuàng)造價值的商業(yè)分析，雖然占據(jù)了 90% 的價值，卻只剩下 10% 的時間來做，這簡直是對資源和人才的極大浪費。
前不久，知乎上在熱議我們的無埋點分析解決方案，從討論中可以看出，很多人對于無埋點的認(rèn)識是片面的，他們認(rèn)為無埋點只是解決了工程師和產(chǎn)品經(jīng)理或者分析師的協(xié)作問題，讓工程師可以解脫，分析師可以自助。
然而，當(dāng)我們從第一天開始決定變不可能為可能，做無埋點的時候，我們就清楚知道，無埋點只是一個手段，我們真正要解決的根本問題是：底層的數(shù)據(jù)"源"問題。而此源，既是數(shù)據(jù)的源頭，也是分析的源泉。
當(dāng)我們在說無埋點的時候，我們其實是在解決數(shù)據(jù)質(zhì)量問題。好幾次跟朋友聊天時，都聽到抱怨說『數(shù)據(jù)太臟了，連統(tǒng)一的日志格式都打不對，后面分析怎么做』。所以我們的首要目標(biāo)，是希望能從源頭上解決數(shù)據(jù)臟亂差的問題。
我們所提供的無埋點采集方案，從分析角度出發(fā)，把數(shù)據(jù)劃分成 5 個維度 WWWWH，即時間（when）、地點（where）、任務(wù)（who）、內(nèi)容（what）、行為（how）?；诖私y(tǒng)一的數(shù)據(jù)模式，分析已經(jīng)有了極高質(zhì)量的數(shù)據(jù)做保障。
當(dāng)我們在說無埋點的時候，我們其實是在解決數(shù)據(jù)歷史問題。無數(shù)次的想去做數(shù)據(jù)對比的時候，發(fā)現(xiàn)要不是老的數(shù)據(jù)忘了采集，要不是采集了卻發(fā)現(xiàn)跟一開始定義的不一樣，只能無奈地放棄或者從頭再來一遍，悲催?。?/p>
我們所提供的無埋點采集方案，會根據(jù)用戶在你網(wǎng)頁或者 App 的使用情況，動態(tài)篩選和聚合對你的業(yè)務(wù)最有價值的數(shù)據(jù)，讓關(guān)鍵數(shù)據(jù)歷史隨時隨地可以回溯，讓你清楚地知道指標(biāo)的即時變化趨勢。
當(dāng)我們在說無埋點的時候，我們其實是在解決分析效率問題。LinkedIn 組建了一個 27 人的團(tuán)隊，只為做一件事情，在工程師、產(chǎn)品經(jīng)理和分析師之間規(guī)范打點標(biāo)準(zhǔn)。隨便一個分析需求，這個團(tuán)隊需要花上幾個星期去定義規(guī)范，最后才是開發(fā)、測試、上線，非常長的流程。LinkedIn 的做法或許是有點夸張的，但是卻很好地反映了大多數(shù)分析的現(xiàn)狀，即跨部門多人溝通，效率低下。
我們提供的無埋點分析方案，同時提供了可視化的數(shù)據(jù)定義工具，能非常迅速地把用戶查詢的業(yè)務(wù)指標(biāo)跟采集到的用戶行為建立匹配，立刻給出分析結(jié)果。
當(dāng)我們在說無埋點的時候，我們其實是在解決分析決策問題。
我們提供的無埋點數(shù)據(jù)分析方案，涵蓋了上圖提到的金字塔結(jié)構(gòu)里的從數(shù)據(jù)采集到商業(yè)智能這些階段?？蛻舨辉傩枰P(guān)心數(shù)據(jù)是如何積累的，只需要關(guān)心業(yè)務(wù)目標(biāo)，直接在我們系統(tǒng)里做深度分析。在其之上，無論是商業(yè)洞察、決策或是行動，都是有理可依，有據(jù)可查。
到今天為止，我們已經(jīng)開發(fā)出來了 JS／Android／iOS SDK，都提供了無埋點方案。如果你有興趣，可以來 https://www.growingio.com 注冊體驗一下。在幾次線下活動中，也跟不少人交流了我們的無埋點方案，普通有一點疑問：
埋點方案是否足夠，是否真正需要無埋點技術(shù)？
無論是 Mixpanel、百度統(tǒng)計還是友盟等數(shù)據(jù)產(chǎn)品，都是基于埋點技術(shù)。習(xí)慣上，大家都認(rèn)為數(shù)據(jù)采集和分析就是得要埋點，并且離不開埋點。所以，我們看到一些缺乏思考的觀點，認(rèn)為"埋點足夠了，你應(yīng)該對于自己的業(yè)務(wù)有清晰的認(rèn)識，把這些關(guān)鍵指標(biāo)給埋上就可以了"。
說實話，沒做 GrowingIO 前我也是這么想的，一邊罵一邊還是得接著到處埋點，因為埋點是一個雖痛苦但很容易的事情，人們永遠(yuǎn)會傾向于做容易但低效的事情，而選擇性的忽略艱難但高效的事情。
但當(dāng)我研究越多，越發(fā)現(xiàn)這種想法是在給自己的不作為找借口，是給自己營造一種一切盡在掌握的感覺。但事實上，我們始終不停的在尋找那些最影響商業(yè)行為的關(guān)健指標(biāo)，這類探索式分析，如同于迷霧中尋找前方的道路，不能隨意地拍腦袋，也不能任性地走經(jīng)驗主義。
我們想創(chuàng)造的無埋點，是讓機(jī)器代替人，拋離任何情感和假設(shè)，去采集所有有用的行為。而之后，驗證就變得簡單，因為數(shù)據(jù)質(zhì)量不再是問題，數(shù)據(jù)歷史也不再是問題。
當(dāng)我們的產(chǎn)品經(jīng)理，有產(chǎn)品優(yōu)化、提取數(shù)據(jù)需求的時候，要耗費時間和精力，去跟工程或研發(fā)溝通埋點需求，寫無數(shù)個產(chǎn)品文檔，仍然無法避免因為思慮不周、溝通不暢存在的錯埋、漏埋等情況，并造成數(shù)據(jù)不全面和不準(zhǔn)確等一系列問題。
因為無埋點的數(shù)據(jù)解決方案，我們可以實時、全量收集用戶行為數(shù)據(jù)，所有上述這些問題都不再是問題，產(chǎn)品經(jīng)理可以想要什么數(shù)據(jù)就有什么數(shù)據(jù)，優(yōu)化產(chǎn)品、找到用戶流失關(guān)鍵點等一切都有數(shù)可依，有指標(biāo)可以衡量。
作者：葉玎玎
來源：GrowingIO
