数据经过连接、分析，最终得到一个标准化的结果。其中既包括结构化的数据，比如用户属性，用户的商业兴趣，行为特征。也包括一些非结构化的数据，比如语料、声音、图象等信息。再经过整个的处理流程之后，转化成腾讯多维海量的数据资产。这其中涉及到很多的算法和特定的领域问题，其中最基础的，就是涉及到设备特征的识别。
设备识别
提到设备识别，安卓系统可以通过API获取IMEI的标识，但是这个有缺陷，市场山寨机的IMEI是一样的。还有一种情况，终端的模拟器，也会对我们的统计造成干扰，还有一些用户篡改设备号的行为，比如现在市面有很多在安卓root的情况下可以修改IMEI。还有是可能报一些攻击，伪造日志请求，篡改里面的设备号字段。
以上这些情况，都是我们能拿到设备号，但设备号可能不够准确，或者可用性比较差。还有一种情况因为受限于系统权限根本拿不到设备号，比如安卓6.0以后，设备号的管理权限也是收的越来越紧。随着大众对用户隐私的意识、关注度越来越高，谷歌的play商店禁止采集IMEI，欧盟也是在近期不断更新自己的个人信息采集的标准。也是在禁止APP在非必要的情况下去获取设备的IMEI信息。
基于以上事实，我们推出自己的一套方案通过移动端的设备识别，设备指纹信息，在服务器端加密下发的方式，解决了在不同场景下设备识别的问题。我们称之为MID。另外通过一套离线的分析系统，可以把设备、刷机、重置设备而重复分配的MID关联起来，从而实现最终的一致性。前面讲的这些，都是我们在指标统计，在一整套的设备画像上的建设。
归因分析等企业进入到一个精细化运营的阶段，这时候最重要的是归因分析。这里举个例子，以一个游戏行业的用户流失为例。某个知名游戏APP经过分析发现它的流失用户可以分为三种：
一是感觉成长有障碍，无论怎么样去努力，都感不上大玩家，所以愤而离去。
二是游戏负担太重了，觉得每天花好几个小时耗在这里，每天的玩法都比较单一，枯燥乏味。
三是在PVP的场合遇到了一些障碍，比如官方打击外挂不利，或者有一些帮派的垄断。
针对这种不同原因造成的用户流失，我们采取的策略显然是各不相同的。这个APP的运营方，如果在成本最大化的同时，来去解决这些用户流失的问题。难道给每一个人发一个调查问卷吗？这就需要一个归因分析的能力。我们这里提供了多种手段方法，比如细分流失用户的特征，通过一些方式来建模，最后去对潜在流失用户做一个预测，我们有一个专门的团队做这样的事。
营销推广与效果监测
前面是讲移动分析能提供的一些服务，接下来重点关注一下在营销推广和广告效果监测的环节中，我们又有哪些流程可以改进。
广告效果监测
在用户获取环节，我们其实有很多的方式，最传统的是付费广告，广告推广的形式。我们从广告推广的四个流程来改进整个的效果。
首先是人群的选取，我们如何把要推广的这些人选出来，更好的标定我们的目标用户。
二是广告投放环节，能一键快速无缝投放到广告平台。
三是效果监测。
四是流量清洗，把异常的流量剔除，来去更好地节约投放方的成本。
用户分群
用户分群，这里会提供基于规则和基于算法的两种模型，基于规则包括活跃、非活跃用户，或者已知的自定义实践、用户和设备画像，都可以在这个基础上做一些与或非做一些规则的分群。
基于算法，预测流失用户、预测高潜力用户的分群。
相似人群拓展