如今，互聯網中的數據倉庫，已不單單是數據開發工程師的責任，随着業務的發展和細分，對産品經理提出了更高的要求。

開發工程師往往不能夠第一時間深入理解業務，或者說理解的不夠透徹，完全交給數倉工程師開發的數據倉庫，不但時間過長（需要理解時間成本），而且不能很好的支持業務。這就需要數據産品經理參與數倉的開發中。不但要參與數據的建模和邏輯的梳理，還要做好數據的管理和規劃。

本文不讨論數據建模的過程，隻聊聊在數據的管理和規劃中，數據産品經理應承擔的工作内容和職責。

互聯網公司，往往依托用戶的行為，來搭建用戶的相關行為模型進行分析，所以關于用戶行為上報的數據，是最基礎的數據也是最重要的數據。隻有合理、規範的上報，數據才會産生價值。那麼如何做好埋點，并且怎樣管理好埋點呢？

簡單來說：需要的數據進行埋點，以交互為底、業務價值為依據、時間為起點、需求為最終目标進行埋點的設計。

一個埋點對應一個标識，通常一款産品包含數百個埋點，也會随着業務和産品的變化，埋點需要增删修改等，所以對埋點管理也是一個重要的步驟。

埋點管理的内容大緻包含如下：

埋點文檔中必須寫出埋點上報時機，同時描述準确；

參數裡記錄的是針對埋點行為，所包含的信息，埋點行為不同，對應的信息也不同，所以不能作為公共字段記錄在數據表中，會以json形式，記錄在字段中，分析時需要使用具體的信息，可通過函數解析出來（get_json_object）。

備注信息的意義就是解釋說明，例如文檔中隻記錄了物品和怪物的id，具體的名稱沒有記錄，是因為日志中存儲漢子易出現亂碼，僅記錄id即可達到分析需求，并且減少數據量。

同時，埋點文檔中，除了第一頁sheet表中展示埋點文檔外，其後幾頁需要寫出含多個枚舉值參數的編碼表，方便數據人員進行分析對照。

埋點文檔設計完成後，即可提交至研發同學，進行宣講。用戶行為分析是基于埋點完成，其重要性不言而喻，所以後期埋點驗收也需要産品經理的參與，确保埋點的準确性。

如圖，目前業内幾種埋點方案類型的比較。參考不同類型埋點的特點，在具體的功能場景時，根據具體情況選擇對應方案，進行埋點方案的設計。

所謂數據字典，就是用來描述數據指标的一個公司内部的埋點規範。它将數據定義、結構、數據類型、數據邏輯、數據源等進行了一個彙總的文檔。那麼它的生産與管理過程是怎樣的呢？

收集環節是需要對數據字典進行一個詳細的定義。需要知曉在業務分析中，數據的使用方關注哪些數據指标、歸因包含哪些維度。單純的從業務産品去思考，會存在缺失，通過與産品/運營同學的交流，可以使字典的内容更加完善。

主要包含兩步，新标準的制定和舊标準的修改。新标準除了收集業務方的需求和建議外，還要參考一下業内最新的标準，這樣可以滿足業内的特定需要。

如果舊标準與現有業務存在沖突，那麼就需要積極的與舊标準的業務方溝通，進行因地制宜的協同與調整。

業務數據是企業運營各個環節的共用實體，連接企業的各個系統，如果存在業務數據不一緻，上有無法對接運營系統，下遊無法進行數據分析和整合，各個系統間的數據無法進行關聯，對企業的運營支持就很有限。

那麼如何做好這些業務數據的管理呢？

埋點全鍊路協同流程

以上就是數據産品經理在數倉開發過程中，對數倉的工作内容和職責，主要是集中在數據管理這裡，這是一項非常繁瑣且重要和有挑戰性的工作。如果中間的歧義産生較多，那麼就會反饋到業務上來，當進行更深層的業務邏輯分析時，會産生更嚴重的問題。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!