企业在数据采集中可能遇到的挑战
覆盖面不全
数据采集覆盖面不全、粒度粗无法满足业务部门需求
实时性待提升
数据加工T+1方式，取数制表周期长实时性难满足
数据打通难
用户数据缺乏统一规范与标识，用户ID各端口未打通
埋点管理乱
埋点采集数据不准，漏埋、错埋多，经常返工沟通成本高
维护成本高
缺乏统一的数据管理与数据加密方案，数据维护成本高
自研效率低
缺乏专业数据采集工具，自研难度、成本高、易用性不够
易观方舟提供了怎样的数据采集能力？
全端用户行为数据采集
跨平台，跨设备采集，打通全端用户行为数据
实时查询与分析
通用数据模型，数据采集即可用，去ETL化
用户识别与打通
用户在不同端口的匿名与登录状态皆可打通
安全合规
SDK代码完全开源，使用者可自行审计代码
22种开源SDK
跨平台，跨设备采集，打通全端用户行为数据
覆盖客户端、语言版等多种SDK，支持代码埋点、可视化埋点、全埋点不同埋点方式， 满足不同类型用户采集需求。支持跨平台用户行为打通，可以了解同一用户在不同平台的行为数据。
实时查询与分析
通用数据模型，数据采集即可用，去ETL化
一条事件包含5个基本要素：何人、何时、何地、通过何种方式、发生了何种行为， 分为用户表与事件表两大表，方舟秒算引擎支持实时查询与分析
用户识别与打通
用户在不同端口的匿名与登录状态皆可打通
方舟的事件模型中，数据上报时会对用户使用 xwho 来标识，在匿名阶段，xwho 中会记录一个匿名 ID ，登录后则调用 alias 方法传入注册ID。对于注册用户匿名访问，需要一个唯一标识将用户行为贯穿起来，distinct_id 就是在 xwho 的基础上根据一些规则生成的唯一 ID。
安全合规
SDK代码完全开源，使用者可自行审计代码
企业使用易观方舟开源SDK，代码完全开源，节省开发时间，方便使用者进行定制开发， 解压项目维护成本，使用者可自行审计代码。在GitHub上了解易观开源SDK
易观方舟数据采集方案
 接入方式 | 适用场景 |
|---|---|
| 客户端 | 多适用于纯前端交互⾏为，如：下拉框选择、按钮点击等 |
| 语言版 | 业务⾏为多选择在后端埋点，如评论、点赞、购买、提交订单、⽀付等⾏为 |
| JAVA工具包 | 独立的JAVA工具包，安装JDK8后，可直接运行JAR包，将用户行为或者用户属性的数据导入到Event表或者Profile表中 |
| 接口导入 | 通过接口可以将历史数据通过网络上报到易观方舟 Nginx 收数程序，这种方式适用于不方便登录方舟服务器，并且数据量较少，开发人员熟悉方舟定义的数据模型和数据格式。 |
 埋点方式 | 适用场景 | 优势 | 不足 |
|---|---|---|---|
| 代码埋点 | 无法通过全埋点和可视化埋点覆盖的场景 | 可控性高、适用性广 | 开发成本高，埋点方案难快速迭代 需要APP发版 |
| 可视化埋点 | 主要分析点击场景 | 不需要工程师介入 不受发版限制 实时验证测试 | 适用场景有限 |
| 全埋点 | 强交互、弱业务属性的场景 可作为补充数据备用印证 | 部署简单 可回溯数据 | 无法采集事件属性 服务器成本高 依赖后期人为处理数据 |
