一、前言
最初接触数据分析工具是cnzz网站分析，后来使用GA（google analytics）做网站分析，当时分析的不是很细致，而且都是web端产品，设置非常简单，创建一段JS代码，添加到每一个页面即可，上手容易，配置成本极低。随后接触APP产品的数据分析需求，发现SDK埋点效率极低，从运营/市场出数据需求，产品出埋点文档，开发从代码层面设置埋点，后续还涉及到不同版本和不同渠道的迭代补充甚至重复埋点，可谓效率极低，至今也尝试使用了诸葛，神策，友盟，腾讯移动分析，其实都没有从本质上解决现有问题，虽然报表维度和看板视图越来越完善，但是，现在主流的数据分析平台提供的服务同质化严重，几乎都提供了事件分析，漏斗分析，用户路径分析，用户分群，点击分析，用户画像，可视化埋点，全埋点等功能。
测评活动中提到的腾讯移动分析（MTA）三大优势：
免费：为所有的开发者和APP运营者提供免费的服务；
精准：实时监控新增、活跃等关键指标，并且可以精准的统计各种用户需要的运管指标数据；
全面：包含多个符合实际使用场景的功能，例如用户行为数据统计、广告监测等。
免费？2B类的服务前期免费，早晚是要收费的，毕竟收费签合同了，B端的企业才会更加放心。
精准？提供的功能与cnzz，GA，神策等数据平台类似，差异度不大。
全面？数据分析工具核心是提升企业的效率，而单纯的全面并不一定是企业所必须的，而2B类服务一般特点是个性化需求较多，全面未必能吸引企业采购或更改数据服务平台。
正文将分成2个部分，第一步痛点分析，第二部分脑洞解决方案。笔者尝试从痛点分析入手，分析数据服务产品在实际应用中，主要参与方的核心痛点。第二部分尝试个人脑洞一下，针对痛点，可以有哪些方式作为备选解决方案。
二、痛点分析
首先我们来看一下数据分析系统什么人在用？在什么场景下使用？使用的目标是什么？已有数据分析平台使用过程中遇到了哪些问题？一般来说，大型互联网产品会选择自建数据分析平台，中小型互联网公司选择使用第三方数据平台，那么哪些因素可以影响这些中小型公司选择数据分析平台呢？
1、市场分析
基于数据的量化产品设计和运营策略优化已经成为行业的共识，今日头条的一系列产品均采用数据驱动，而曾鸣教授在智能商业20讲中提到了智能引擎对于未来商业组织的的重要性。一般来说，大公司普遍自建团队，构建自己的数据分析系统，中小公司会选择第三方数据服务平台。从大公司的自建的分析平台中，我们可以看到数据分析的发展方向，数据分析平台需要承担着运营效果监控，产品优化效果评估，内容智能分发，A/B测试实验平台等职能，利用大数据和人工智能，构建企业的商业智能，而这也是那些使用数据服务平台的中小企业（中小互联网公司和大型传统公司）期待获得的服务。而作为数据服务平台，如何让自己的服务内嵌到一个成长中的公司当中，为其承担数据采集，数据清洗，数据存储，数据分析或数据挖掘等一系列工作则是设计的关键。
2、用户分析
企业中需要与数据平台打交道的角色有四个：老板，市场，产品和开发，我们分别来看现有场景中各个角色都有哪些诉求。
老板：看各种销量数据，同比，环比数据，我公司整体情况，具体业务的增长情况等。
市场/运营：通过漏斗分析了解各种影响活动的转化率，关注营销活动ROI，病毒传播等情况。
产品经理：通过漏斗分析了解产品优化效果，发现功能性问题；配合市场同学编辑埋点文档给开发。
开发：配合产品和市场同事，进行SDK埋点操作。
3、目标分析
老板：需要看数的时候，第一时间可以拿到需要的数据，可以获得基于数据分析和数据挖掘的智能决策辅助；
市场/运营：配置简单，配置速度快，各种转化率自动生成可视化图表，用于汇报PPT制作；
产品经理：通过数据分析系统直观观察某个功能优化效果，不同版本之间留存对比分析，设置简单，最好可以无需联系开发同学创建新增埋点需求；
开发：最好可以在功能开发时一次配置埋点，不用后续多次调整。
4、痛点分析
（1）每次新增页面，功能优化，新增功能，按钮改名等情况发生，都需要运营或产品发起，开发配合，重复埋点 ，开发增加工作量，多部门多人员协调效率低，经常还出现一个按钮多次埋点，极大浪费资源。
（2）APP版本更新，功能优化，页面布局或层级调整时，需要重新埋点，新增埋点和前期埋点无法形成有效的关联，人工维护比对成本较高；
（3）APP版本更新，功能优化，页面布局或层级调整时，漏斗可能失效，而且可能导致无法有效对比不同版本之间的转化效果，人工记录不同版本之间的漏斗工作量，效率较低；
（4）分析工具提供的分群功能可以观察分群用户的行为数据，如果希望做A/B测试，在同一人群中做不同版本的测试操作繁琐，无法保证测试效果的统计学有效性和实际有效性。
（5）现在所有平台的用户画像都是单维度数据的可视化展示，以往产品经理都会尝试根据用户数据和焦点小组，头脑风暴出一个定性的用户画像，包括人物的静态属性和喜好偏向，而这种定性分析缺乏定量的数据支撑，现有数据分析平台提供的用户画像并不能有效帮助产品和运营做出有效优化。
5、推广策略
前文中已经分析过，数据分析平台面向的用户是中小互联网公司，没有能力自建智能数据分析平台，但是又存在着数据驱动的需求，而在这些中小型互联网公司中，如何使用数据工具，如何提供真正有效的分析方法，如何为其有效赋能就成为了关键，因为基于AI的数据分析门槛较高，这也正是第三方数据平台的机会，通过智能化数据分析平台的构建，内嵌到这些中小互联网公司内部，当产品可以解决上文中描述的痛点，可以考虑利用各种产品经理大会，运营大会进行知识分享，分享的主体是如何利用数据驱动产品优化，驱动运营优化，过程中简单介绍我们的平台可以提供给用户哪些功能，通过用户教育扩展影响。
三、脑洞解决方案
1、智能精细画像
基于用户静态数据和行为数据聚类创建精细用户画像，为产品和运营设计活动和功能提供用户形象参考，腾讯是否可以利用起海量数据为平台封装成属性数据，帮助企业完善用户自有数据维度缺失，补全用户形象，做出类似于下方的真正有效的用户画像。
2、智能可视埋点
前文中提到，APP版本更新，功能优化，页面布局或层级调整时，需要运营协调产品出埋点文档，产品协调开发配置埋点，配置时效性差，多人协调效率低，重复埋点浪费资源。建议提供真正的可视化埋点，笔者仅从产品设计角度提供一种可能的解决的方案：全页面埋点+可视化勾选生效。
全页面埋点将导致程序运行变慢，服务器压力增大，但是可以考虑对全页面埋点，并关闭所有埋点。数据分析平台通过apk文件识别，将APP的页面虚拟出来，并将可以启动埋点，站上可以参考原型设计工具，对于数据平台来说做一个页面跳转画布（产品详情页不做全亮虚拟，制作结构虚拟），大概逻辑如下图所示：
通过APP版本模拟，将全量功能页面截图页面逻辑制作成产品服务地图，开发配置是做全页面埋点，产品和运营根据自身需求找到埋点页面。
全页面埋点默认关闭，可登录后台进行操作启用埋点。实现产品和运营自主完成埋点工作。
3、智能漏斗创建
前文中提到，不同版本之间的漏斗可能失效，结合页面内容的自然语言识别，是否可以尝试为产品和运营人员自动生成观察漏斗，其实漏斗关注的核心情况无非是注册转化，购买转化，其实业务逻辑类似，当业务人员完成可视化埋点节点启用，可以尝试为产品和运营人员自动生成事件漏斗。前文中反应可能因为各种原因导致老漏斗失效，这种情况建议平台提供预警，保证漏斗可以持续有效获取数据，同时提供不同版本之间的漏斗数据对比。
4、多维度A/B测试功能
曾经写过一篇文章，关于今日头条的实验驱动产品和运营优化策略，其中介绍了今日头条那一套实验系统-《以今日头条为例，详述数据思维驱动产品设计的方法论》。笔者认为，数据分析平台有理由成为互联网公司A/B测试的平台，整合类似于吆喝科技提供的A/B测试服务，让用户分群功能更加有效落地，产品和运营可以基于不同用户群，进行产品功能A/B测，观察用户转化的统计有效性和实际转化有效性，真正做到产品的优化有数据支撑。
5、用户教育
数据分析平台如果想要获得更多的合作伙伴，平台需要积极参与到数据驱动的产品设计的教育当中，平台要借助各种线上线下活动，如何做基于数据的产品功能优化，运营策略完善，类似于今日头条在混沌大学上的分享，组织可中对外的公开分享，将数据分析工具在实际工作中可以实现的效果，如何做到有效利用数据分析和数据挖掘，支持产品选择，优化产品功能，提升运营效率。平台可以考虑利用现有的各种知识服务，打造数据驱动产品设计课程，在这个过程中介绍产品如何使用。
本人5年B2B电商高级产品经理，以上脑洞都是为了效率提升，笔者认为2B类服务核心是内签到服务方内部，真实解决协作效率，同时利用AI的图像识别和自然语言识别技术，数据分析效率和数据挖掘效率的极大提升，希望有机会加入腾讯。