用户行为分析平台的目标就是将其中4-6阶段的工作变得简单和自动化，把开发人员解放出来去做更多对业务有价值的工作。而1-3部分的工作，看起来不复杂，基于业务现状去定义指标，排出埋点需求，和开发人员进行确认后就完成了。但这块从实践上来看，很多企业或者业务都做的不够好。
埋点事件数量迅速膨胀，团队可能大部分人都不知道某些埋点是做什么的；或者业务人员定义了埋点需求，但开发人员埋点做错了，好久都没发现，导致分析过程出现错误解读，影响决策。
这块有几件事情可以做：
l 指标管理系统，用来维护指标依赖的数据表、字段以及计算方式，来统一开发、分析和解读过程的口径。
l 埋点管理系统，用来管理埋点的元数据，包括事件 Event 的命名、自定义字段含义和特定取值等规范定义，埋点在产品端的位置或触发场景，埋点工作流等，作为业务人员、开发者、分析师沟通的桥梁和基准。
l 埋点测试和校验系统，提供 debug 工具方便开发人员快速进行埋点调试，以及使用事件定义的规范要求，在线上对埋点数据进行校验，尽早发现不符合规范的数据，提高埋点工作的效率和准确性。
汇总就是：元数据管理系统 + 测试和校验工具。
四、如何做好埋点工作和研发的协调和落地 ？
实践中，很多开发人员不太愿意做“埋点”的工作，觉得很琐碎，而且随着产品的发展，包袱有时候会越来越大，维护的工作量不小。
要让埋点工作在研发比较好的落地，最能提升的地方还是在于如何简化开发人员的工作，包括开发成本和沟通成本。
有完善的埋点管理系统，这样研发端可以依据进行开发，减少“口口相传”带来的低效和返工，也能统一口径和进度流程。有高效易用的埋点测试、校验系统，开发人员可以快速进行埋点debug，提高开发效率，也能让业务方尽早介入需求校验，而不是等应用真正发布后才去校验，去发现问题。
当然，最好能和开发人员持续分享数据是如何促进业务的发展，让大家明白这些工作的价值，才能更重视，更认真对待这部份工作。
五、埋点数据采集与企业数据资产建设怎样更好的合作？
用户行为分析平台在建设时，数据端会包含如下能力：
l 数据接入，要支持客户端、Web、服务端等多终端的数据采集，如iOS、Android、微信小程序等，以及各种数据源甚至三方服务的数据适配。
l 数据传输，在用户规模和数据规模增长过程中，要能保证数据传输服务的高可用，以及采集数据在传输过程的及时性。
l 数据建模/存储，要能实时的进行数据清洗、建模和存储落地。
这些能力，在互联网业务的数据资产建设过程中，尤其是用户、流量、产品相关领域，能起到基础设施的作用。规范的数据采集，加上高效的传输、建模能力，是企业业务数据资产有效建设的前提。
建模后的数据，可以作为数据仓库底层（ODS层）的宽表，和企业的其他业务数据整合，共同完善企业的数据资产建设。
另一方面，这些用户端的结构化数据，加上实时建模和开放的能力，和机器学习算法结合起来，无论是个性化推荐，还是精准营销，又或是银行、电商的风控，都可以发挥很大威力，为企业的智能驱动业务做好数据积累，扫清障碍。
拿DMP（用户画像）建设举个例子：