标签：win   分析系统   试验   下载   hbase   欺诈   标签   错误   用户体验   

创业公司如何做好数据驱动的开发工作

创业公司钱、开发资源有限，考究更少的工作产生更大的价值，更快的迭代mvp。
data -> info -> knowledge -> wisdom

尽量减少拍脑袋的决策。
决策要从过往经验到数据驱动；当没有经验的时候，参考外部、常识、少量测试验证。

数据驱动，不仅仅是采集数据，取数的效率，数据的质量，对数据的验证都是非常关键的。

报表数据

轻量数据

系统架构复杂度决定采用的方式

• 单体应用，单个应用DB：直接从应用的DB的副本集读取，为防止报表数据的读写影响主系统。
  副本集根据线上应用DB压力、报表DB压力情况选择：

  • 可以直接从DB集群中挑取只读DB来做报表操作
  • 可以通过同步机制(oplog/binlog)，同步另外的集群去操作。

• 跨系统/微服务应用：

  • 通过调用微服务的api来获取数据，缺点：大量数据操作的性能消耗应为来回的消耗在调用方与DB之间，数据操作慢。
  • 通过数据同步机制，同步多个DB源到一个报表DB（HBase/MongoDB）。

BI 报表

由于负责报表的开发的一般是熟悉 SQL/R/Python，所以考虑直接SQL类的数据直接查到时最合适的（投入时间少、熟悉度高）。[!img]图
BI 报表我们可以选择类似Redash/SuperSet 这类工具，来快速定制业务的报表。

数据分析系统建立的阶段

stage 1： 有效利用第三方统计平台
baidu/google
umeng
漏斗、留存、热点、bug、网络、用户的画像(自己也要分析)

例如通过推广活动热点数据，可以发现有些用户体验（UX）上，设计与实际有用户逾期有误。

stage 2:
热点、漏斗、行为
fullstory/appsee/mouseflow
GrowingIO/诸葛IO

stage 3:
建立自己的数据分析平台

基本漏斗：访问、注册、下载、交易、复投
常见的业务指标：
获客、留存率
生命周期：流失型、成长型、新用户
金融的指标：标签，欺诈分数（自定义），价值分数（自定义）

系统的指标监控

几个需要关注的维度

• Nginx
• APP Log
  
• DB Log 报表
• ELK 报表
  • 定制自己的业务应用系统维度

• Grafana 报表

  维度：

• 机器的性能

• 容器的性能

异常报警

数据可供业务方访问

物理部署给报表DB到业务方
小量: excel/csv 导出，方便分析
BI自助：提供模板BI自取
大量：API SDK 调用方式，方便Python/R分析

excel ，自己lookup
界面自定义查询
提供一定的sql，开发、业务方自主到查询
提供一定的data sdk ，开发、业务方自主到查询

AB test

金融公司，模型指标，不要猜测，去证实。
工具:
- ab test（https://github.com/xavimb/ab-testing）[!img]图
- apphoc

数据质量

全公司的事:
防止错误数据进入prod
业务方与数据开发的同理配合

作为开发，需要关心业务

读懂业务的指标 ：
普通（DRU、DAU）
专业（ROC、AUC、GINI）
数据全栈工程师

需求

需求避免拍脑袋。

理想的情况下，除了有各种的报表维度，对数据可以导出or在线热查询，以便业务人员自己解决自己的需求。

迭代的效果回顾

ROI！！！

创业公司如何做好数据驱动的开发工作

标签：win   分析系统   试验   下载   hbase   欺诈   标签   错误   用户体验   

原文地址：https://www.cnblogs.com/no7dw/p/9508258.html