为了做个数据分析，天天被人diss

对绝大多数产品、运营、开发来说，数据分析都是个头疼事，需求理解偏差配合不顺畅、埋点量大易出错、数据量大手动跑表蜗牛速。

关键是，大家都花了90%时间在基础琐事上，花了10%的时间做业务数据分析，互相之间因为不理解还要互相diss互相伤害，脑子里都有一万头神兽分分钟飘过。

本是同病连，相煎何太急，多多理解，互相爱护才是真！快来看看业务小姐姐和程序员小哥哥们的苦衷吧～

一、梳理业务，定制数据抓取方案

1、业务需求梳理，制定数据驱动分析目标，定制数据采集方案

2、小程序/APP/WEB/服务器数据采集SDK，最大程度减少开发工作量

3、全端数据采集，数据埋点无死角

二、构建统一用户数据仓库

1、清晰定义用户（User）属性与事件（Event）属性，让公司人人都能看得懂

2、为不同产品打造统一数据仓库，混乱情况不再有

3、用户分群、元数据管理、事件属性、用户属性均可在一个系统灵活定义

三、为业务团队打造上手即用分析模型

1、为业务人员设置多种分析模型，实现上手即用

2、利用自动系统，解决手动跑表问题，让团队从繁琐基础工作解放

3、产品、运营、数分、老板，每个人按需定制看板

四、利用先进技术，实现大数据实时分析

1、可选用实时流式计算框架TA-DATA-ETL，实现框架横向扩容并保障百亿级数据无延时处理

2、基于MPP架构的分布式Adhoc查询引擎，实现百亿数据秒级分析

3、将可更新NoSQL存储系统Kudu和顺序存储系统Hive完美结合

五、选择私有化部署保护用户数据安全

1、私有化系统部署，数据存储在公司内部服务器，用户数据安全无忧

2、接收端多台服务器负载均衡+高可用，数据传输不丢失

存储端基于HDFS+KUDU的分布式存储框架，数据存储不丢失

3、系统运维监控，服务异常实时告警、自动运维，保障私有化情况下系统安全

在AI、大数据分析领域，7分专家、3分工具，也就是要利用专业人才对业务、行业的认知，给AI、大数据“赋能”。如果核心团队的精力的90%被数据收集、数据清洗的琐事占据，只有10%的时间做数据建模、数据分析，团队成员的士气、产出势必受到影响。