陆小曼|数据产品经理：埋点的设计、管理与应用( 六 )
工具推荐：Superset、Grafana
文章图片
图16：superset截图
3.2数据应用平台数据终究要产生业务价值的 ， 上面提到的数据展示工具 ， 无法以可视化形态做业务分析 。 数据需要结合具体的业务场景 ， 然后选择成熟的分析场景 ， 如：事件分析、漏斗分析、留存分析、归因分析等 ， 以及更深度的用户画像、精准营销 ， 才能真正赋能业务 。
这类数据应用工具 ， 目前已经有成熟厂商提供了标准化产品 ， 如果公司规模没有达到自研数据平台时 ， 建议采购 。 推荐平台：GrowingIO、神策（两个平台各有特点 ， 可参看之前文章）
3.3数据仓库数据采集、录入 ， 最终会落入到数据仓库中 ， 成为数据仓库中的“弹药” 。 从19年大火的“数据中台” ， 去掉面子 ， 里子就是一个数据仓库 。 数据仓库汇聚各业务端的原始数据 ， 和主题数据 ， 其建设过程是一个随着业务发展不断更新的过程 。 只是做数据的ETL本身并不是数据仓库的价值 ， 其核心是能够收录好业务侧需要使用的数据 ， 或者在业务侧提出新的数据需求时 ， 能够快速响应 。
按照数据仓库设计的经典三层结构：ODS层、EDW层、DM层 ， 数据产品经理在数据仓库建设中的工作职责 ， 是：
1）约定进入ODS层的原始数据的维度、周期；
2）定义EDW层主题宽表的字段、周期；
3）设计DM层应用表的字段、周期（需要结合具体业务 ， 设计尽可能通用的主题表、应用表）；
4）设计监控方案 ， ETL过程中异常需告警 ， 并及时告知数据应用侧有污染数据 。
以上 ， 是数据产品经理关于数据基础能力建设（数据埋点、数据工具、数据仓库）过程中的部分工作内容 ， 基于此 ， 做用户标签、精准推荐、AB测试工具 ， 有的公司定义为增长产品经理的工作范畴 ， 在我看来 ， 属于应用侧的数据产品经理工作范畴了 。 这里也不纠结啦 ， 产品经理是块砖 ， 哪里需要往哪搬嘛~
------正文分割线------
【陆小曼|数据产品经理：埋点的设计、管理与应用】
文章图片
推荐阅读
- 互联网乱侃秀|国产128L产品将推出，打破美、韩垄断局面，内存市场迎变局
- Python之王|Pandas数据合并与拼接的5种方法
- 「杨辉」中科院学者涉嫌剽窃科研想法、数据造假，听一场报告就能发Cell？
- 科技小数据|产业观察：如何通俗地理解5G及其应用
- 雷科技|为解决App连接问题，特斯拉迁移数据至中国，开车不再“卡顿”
- 大数据系统|倾力分享！，2020小红书kol推广8种玩法
- 小熊带你玩科技|全新等离子体光子芯片：利用光进行超高速数据传输
- 蓝色星晨|以对比1977年的气候变化数据，科学家在南极最大冰架上钻取样品
- 灵锦文化|网络安全需求有望进一步加速释放，《数据安全法》出台
- 风月无关|768P、1080P、4K，约1300元起，一加发布三款新电视产品