埋点采集过程：
1.用户点击或输入连接
2.客户端发送请求
3.服务端接受请求，进行解析，并返回内容和埋点的代码
4.客户端解析返回内容并展示，同时客户端解析埋点代码
5.客户端发送所需要的埋点信息到埋点服务器
6.埋点服务器接受信息
7.埋点服务器讲信息传输到后续的环节。
埋点加工和存储过程：
1.对于离线存储来说，埋点原始数据会以表（类似excel表）的形式存储于数据仓库的原始数据层。
2.经过加工处理过的数据（例如：针对APP首页曝光事件，选取当日首页曝光事件上传的数据条数，对用户id去重并加和即可以得到当日的UV），会以另外一张表的形式存储于数据仓库的汇总层。如果数据仓库建设比较完善，通用的业务数据，直接从汇总层甚至更上层的应用层中取即可，而不必再去取原始层的埋点数据，省去了每次计算的工作量。
原文链接：https://zhuanlan.zhihu.com/p/109950339?from_voters_page=true
埋点常见问题：
1.不同平台采集的同一个属性值【页面名】口径不一
image.png
2.采集用户点击banner的点击事件，两个用户分别点击1号和3号banner，返回banner名字不可识别。根本不能反馈出用户到底点了什么，根本不能对这个数据进行分析。
image.png
3.采集用户注册时间，注册是后端采集的。后端埋点没有前端页面和平台信息。但如果采用前端采集就可能有不合理的数据。例如一个用户因网络问题多次点击，前端埋点就会产生很多误差数据。
image.png
如何提高埋点质量：
1）做好产品需求分析，准确抓住需求以便后续设计数据埋点方案。
2）根据不同的业务场景选择正确的埋点方案，准确区分常见埋点方式所适用的业务场景。
3）准确梳理产品逻辑关系，把同属性的埋点事件用同一个ID表示，结合KEY-VALUE细分不同维度下的不同参数，方便后续进行数据分析，降低维护成本，提高其他业务人员、数据分析师根据埋点日志进行查询和分析的效率，减少沟通成本。
4）使用指标字典对指标进行统一管理，方便共享达成业务指标的共识，并且统一修改和维护。指标字典是业务数据标准化的基础。
如何做好数据指标字典：
①规范维度和量度命名，命名规则要做到明确、通用、易懂。
②对维度或量度统一计算口径，避免歧义。
③涵盖尽可能多的关注核心维度和量度，以此为基础推动数据建设，确保指标字典覆盖维度都可区分，指标都可统计。
④基于指标字典，将核心维度和量度注入元数据中心，接入指标提取工具，后续实现不需要写SQL语句即可完成自主查询及分析需求。
