最后我们就可以得出结论：下午 5 点从微信突然涌进大量流量到 E 和 G 页面，与内容的同学同步了一下，是他们在微信上推了一个落地到 E 和 G 页面的活动。

　　从案例可以看出，多维度分析能够让我们更清晰的挖掘出数据表象背后的真实原因。

　　选择维度的原则是：记录那些对指标可能产生影响的维度，以及尽量记录全面的、多维度的数据。

　　磨刀不误砍柴工。数据运营需要和业务部门（市场、销售、运营、产品等等）不断沟通，只有做好数据规划，接下来的数据采集和数据分析才能更加高效。

　　数据采集是数据分析的基础，传统的数据采集是一件非常花时间、精力、人力的事情，对于很多企业来说是一个巨大的门槛。过去数据分析整个流程经常是 80% 的时间在数据采集上，只有不到 20% 的时间是用于数据分析的。

　　（一）采集什么数据

　　从流量为王的互联网上半场，到流量越来越贵的互联网下半场，获取用户的成本越来越高， 2013、2014 年左右，工具类 App 激活一个用户的成本才几毛钱，两年不到，获取一个下载的成本就到了几块钱。金融类 App 一个激活用户的成本可以达到上百元。所以企业开始从粗放式运营向精细化运营转变，关注的数据也从单纯的渠道流量数据，增加了更多对用户行为数据的分析。

　　所以目前来看，对用户行为数据的采集成为了数据运营较为看重的部分。

　　用户行为是由一个一个事件（event）组成的。

　　这些事件包括时间、地点、任务、人物、内容、交互。

　　目前有三种常见的数据采集方案，分别是埋点、可视化埋点和无埋点。

　　但是因为埋点的工程量大、周期长，而且容易发生漏埋、错埋的情况，所以埋点成为了数据从业者的一大痛点。

　　可视化埋点是埋点的延伸，通过可视化交互的方式来代替手动埋点。这种方式降低了用户使用的门槛，提升了效率。

　　但无论是埋点还是可视化埋点，数据运营都需要起到承前启后的作用：收集业务部门数据需求，撰写需求文档，向工程部门提交埋点需求，本质上还是一种埋点方案。

　　无埋点颠覆了传统的「先定义再采集」的流程，只需要加载一个 SDK 就可以采集全量的用户行为数据，然后可以灵活自定义分析所有行为数据。用户行为数据分析产品 GrowingIO 采取的就是无埋点的技术方案。前段时间，国外的 Mixpanel 也推出了无埋点解决方案。

　　相比于埋点方案，无埋点成本低、速度快，不会发生错埋、漏埋情况。无埋点正在成为市场的新宠儿，越来越多的企业采用了无埋点方案。在无埋点情景下，数据运营可以摆脱埋点需求的桎梏，将更多时间放在业务分析上。

　　比如使用 GrowingIO 的圈选工具，需要哪里的数据，圈选一下就可以立即获取，省去了手动埋点等待发版的漫长流程，同时不会发生错埋、漏埋的情况。

　　数据经过收集处理后，下一步就需要可视化，数据可视化在运营应用中的主要形式包括：图表、图形、数据看板，开奖，