随着“用户时代”的到来，拥有数据的规模、灵活性，以及收集、运用数据的能力，将决定企业的核心竞争力。

　　一、企业的数据来源

　　企业收集、存储、分析数据，其目的就是为了解决业务需求，优化业务运营流程，提高其经营效率并降低成本。企业业务数据通过数据挖掘、深度分析和可视化展现，充分发现业务运营中的问题，进而制定更科学合理的运营策略，实现数据的价值。

　　企业有三类数据：

　　企业内部的交易数据

　　企业同用户之间的交互数据

　　第三方数据，或称为外部数据

　　过去，企业的数据资产大多是建立在交易数据之上的，利用用户属性、销售数据、物流数据、内部流程等数据建立数据资产，开展商业应用。随着“用户时代”的到来，拥有数据的规模、灵活性，以及收集、运用数据的能力，将决定企业的核心竞争力。

　　通过挖掘收集的业务信息，企业可以预测市场需求，进行智能化决策分析，从而制定更加有效的战略，此外，以用户数据和业务数据为核心优化运营，通过用户画像、市场和渠道分析、销售数据的分析提升产品性能、优化运营效率、进行精准营销。

　　二、行为数据的采集和分析

　　用户行为数据：主要包含用户在网站和移动App中的浏览/点击/发帖等行为，行为数据其实有很大的商业价值，只是很多企业不知道如何进行应用。用户行为数据采集基本上采用SDK方式，采集用户在页面的点击行为，同时也可进行参数回传。SDK就是几行轻量级代码，采集数据的类型取决于埋点。SDK在数据采集上没有技术壁垒，行为数据应用的主要技术壁垒在于海量行为数据的处理和分析。

　　1、SDK采集数据的私密性

　　很多企业总认为SDK采集数据会涉及个人隐私，这主要还是不了解SDK数据采集的技术原理。

　　SDK，Software Development Kit，直译过来就是软件开发包，用N行软件代码采集数据。SDK采集的任何数据都来自用户的主观行为，企业在正常商业活动中获取的个人隐私数据并不违反法规，在没有得到用户授权的情况下，个人隐私数据被企业和第三方使用才是违法行为。

　　2、数据处理与分析，有多难?

　　用户行为数据的处理和分析具有较高的技术门槛：

　　SDK会采集到大量的“脏数据”，包含一些空白区域和特殊符号，甚至根本没有见过的数据类型，这些脏数据的处理和分析具有较大的技术挑战，特别是数据的实时采集和处理。通常技术人员只有经历了海量数据采集和处理，填平了大量“技术坑”之后，才能形成成熟的技术架构。

　　数据的采集和处理是个脏活累活，需要在真实数据环境进行实战，具有较高的技术壁垒和门槛。

　　三、用户行为数据的商业价值

　　为了保证用户的产品使用流程流畅平滑，从用户出发进行产品设计就需要密切关注用户的反馈和需求，通过观察用户行为数据或者直接与用户对话来得到这些反馈，找到用户在哪里卡住了、出错了，如此才能打磨出最佳的用户体验路径，这就是用户行为数据的价值所在。在行为数据发挥价值之前，需要进行结构化和标签化：

　　结构化，指将行为数据的展现形式从非结构数据转为结构化数据，并进行归类和统计;

　　标签化，指根据业务场景将行为数据打上业务标签，围绕设备并与业务场景深度结合。

　　为行为数据打标签，通常有以下3个数据维度：时间、频次、结果。

　　1、时间

　　行为数据时间维度主要关注行为发生的时间段和持续时间，其中时间段数据用于目标设备时间范围选择，用于营销活动分析和营销推广计划设定。时间段也可以用于风控和反欺诈的场景，特殊群体的App使用行为在时间段具有较高的相似性。持续时间关注行为发生的过程，记录了行为起始和结束时间。

　　某一用户的全部会话记录

　　说明：全视角的用户画像，包括用户访问时间段，访问时长，甚至可以精确到用户发起会话、结束会话的时间点。

　　持续时间对于分析用户行为具有重要意义，不同时间长短代表用户不同特征，根据用户所处的生命周期，可洞察到用户与产品的交互状态。在一些数据模型分析中具有较高的商业价值，既可以用于购买人群分析、产品体验分析，甚至用于反欺诈分析。

　　2、频次

　　行为数据的频次主要关注某些特定行为发生的次数和趋势，其中次数同用户的兴趣具有较大的正相关度，在一定时间段内，点击浏览次数同用户购买需求成正比。次数经过标签化之后可以用于营销，识别潜在用户。