为什么要埋点？埋点如同装在智能机器人身上的传感器，在机器人研发过程中，技术人员将内传感器和电机、轴、手臂、手腕等关键部位安装在一起，实时监控机器人的位置、速度、力度的测量，判断机器人的稳定性与风险，最终实现伺服控制。

传感器是机器人的埋点，网站与 APP 也需要如此埋点。前天策小编发了《埋点最大误区：忽略业务需求》一文，介绍企业在追求精益化数据分析的路上，应如何科学选择埋点方式。本文针对埋点另外两大误区进行剖析：埋点与数据采集、数据分析的关系？如何规避埋点混乱？

误区一：重分析，轻采集！

在追求精益管理的道路上，大多企业深知数据驱动是第一生产力。然而，在企业搭建数据分析平台，或选型第三方数据分析平台时，经常会陷入“重分析，轻采集”的误区。

数据分析是实现数据驱动的前提，固然重要。而数据分析的深度取决于数据采集的质量，顾此失彼，数据驱动道路只能越走越窄。神策数据创始人&CEO桑文锋多次强调，数据采集应该遵循“大”、“全”、“细”、“时”四字法则。

“大”强调宏观的“大”，而非物理的“大”。大数据不是一味追求数据量的“大”，比如每天各地级市的苹果价格数据统计只有2MB，但基于此研发出一款苹果智能调度系统，就是一个大数据应用；

 “全”强调多种数据源。大数据采集讲求全量，而不是抽样。除了采集客户端数据，还需采集服务端日志、业务数据库，以及第三方服务等数据，全面覆盖。

“细”强调多维度数据采集，即把事件的维度、属性、字段等都进行采集。如电商行业“加入购物车”的事件，除了采集用户的 click 数据，还应采集用户点击的是哪个商品、对应的商户等数据，方便后续交叉分析。

“时”强调数据的时效性。显然，具有时效性的数据才有参考价值。

总之，埋点混乱、采集无序则根基不稳，令数据驱动的实现如“空中楼阁”。只有将数据采集和建模等基础搭建好，数据驱动才能真正落地。

误区二：无埋点优越于代码埋点？

数据基础夯实与否，取决于数据的采集方式。埋点方式多种多样，按照埋点位置不同，可以分为前端（客户端）埋点与后端（服务器端）埋点。其中无埋点是目前较为流行的前端埋点方式之一。

“无埋点”概念已烂大街，而在实际进行事件设计与实施的过程中，技术人员有道不尽的爱恨情仇：一方面，无埋点神秘无比，甚至被誉为“最全、最便捷、界面友好、技术门槛低”的数据采集方式；另一方面，运营人员又发出“为何所采数据与业务数据库数值相差这么大？”等各种抱怨。简言之，无埋点采用“全部采集，按需选取”的形式，对页面中所有交互元素的用户行为进行采集，通过界面配置来决定哪些数据需要进行分析，实质与“全埋点”并无无实质差异。

图1 无埋点的优劣势分析

为解释颇具迷惑性的无埋点概念，笔者总结了其优势与劣势。

优势包括：

1. 可视化展示界面最基本度量，满足基本数据分析需求。

   无埋点可视化展现界面 PV、UV 等网站或 APP 分析的最基本度量，告诉运营人员每个控件被点击的概率是多大，哪些控件值得做更进一步的分析等。如此有助于企业了解用户行为，为进一步数据分析指明方向。

2.  技术门槛低，使用与部署较简单。

   无埋点极大程度避免了因需求变更、埋点错误等原因导致的重新埋点繁复工作。

3. 用户友好性强。

   运营人员可以直接应用手指或者鼠标进行操作，自动向服务器发送数据，避免手工埋点的失误。

然而，作为前端埋点的方式之一，无埋点有先天缺陷，带来易用性的同时，也牺牲部分数据的采集深度。无埋点的劣势如下：

1. 无埋点只能采集到用户交互数据，且适合标准化的采集，自定义属性的采集需要代码埋点来辅助。

   每个用户的交互行为均有许多属性，无埋点无法深入到更细、更深的粒度。例如在电商行业中，用户点击“购物车”是一次交互行为，无埋点会忽略掉用户信息、商品品类等其它维度信息，此时需要配合代码埋点来辅助数据采集；再如用户上滑屏幕时，内容瀑布流的底部载入、商品或广告的加载展示、下拉菜单中下拉内容的数据点击等情况，这类自定义行为的采集需要代码埋点辅助实现采集。

   由于无埋点仅适合标准的方案采集，一些数据分析平台也开始支持用户为每个event添加自定义属性，如此能大大扩展事件分析的效能。值得一提的是，神策数据为用户提供的自定义属性无数量限制。

2.  无埋点兼容性有限。

   例如在安卓系统进行埋点时，不同工程师可能会给APP界面中相同的 button 起不同名称的 ID，当运营人员想筛选出所需数据时，不同名称会给运营人员带来困扰。另外，由于目前第三方框架较多，如 RN 框架，容易造成无埋点兼容性问题。

3. 无埋点具有前端埋点的固有缺陷。

   无埋点是前端数据采集方式之一，因此具有前端埋点的天然缺陷，如数据采集不全面、传输时效性较差、数据可靠性无法保障等问题。无埋点的技术原理依赖网站或者APP后端技术开发的严谨性与规范性、网络状态、网络口径等因素。

总之，数据采集方式决定所采集到用户行为数据的深度和粒度。夯实数据基础，无埋点需要配合前端代码埋点实现，而前端数据采集的固有劣势，应该结合后端埋点完成。数据采集不准、不全、不细容易让后续数据分析工作陷入“巧妇难为无米之炊”的困境。

综上所属，笔者做出如下总结：

1.数据驱动是第一生产力，数据采集非“大全细时”，则数据驱动如“空中楼阁”；

2.大数据时代≠无埋点时代。“无埋点”顶多个是个“万金油”，功能很多，应急抹一抹，想治病还是难。