神策數據很好用。神策數據隸屬于神策網絡科技(北京)有限公司，其團隊中的四名核心成員均來自百度大數據部，具有多年的大數據處理經驗。神策數據為互聯網企業提供大數據分析產品和解決方案，以及為傳統企業提供大數據相關咨詢，是專業的大數據分析平臺服務供應商。神策數據產品方案有：神策分析云、神策營銷云、神策數據基平臺。神策數據的研發團隊主要從三個方面來打磨產品：技術架構的本質是提供穩定高效的服務，神策數據的客戶主要是私有化部署，能適應不同的客戶環境，是實現私有化部署的前提。分析性功能：設計多角色分析需求的分析功能。適用場景：滿足不同行業場景需求。

事件分析法是一種實證研究方法，最早運用于金融領域，借助金融市場數據分析某一特定事件對該公司價值的影響。由于事件分析法具有研究理論嚴謹、邏輯清晰、計算過程簡單等優點，已被學者運用到越來越多的領域來研究特定事件對組織行為的影響。 事件分析法的應用領域非常廣泛，不同學者從本領域視角對其進行了闡述。段瑞強認為“事件研究”是根據某一事件發生前后的資料統計，采用特定技術測量該事件影響性的一種定量分析方法。金融市場會有各種消息、政策、產品等事件的發生，這些事件的影響效應又會很快反映到資產價格上，因此“事件分析法”是金融市場研究中被廣泛應用的實證分析方法 神策數據可通過對用戶行為分析來洞察用戶行為，全面記錄用戶行為路徑，精確刻畫典型用戶的人口屬性，瀏覽偏好，觸媒習慣等多個維度特征，進而驅動用戶增長。

大數據分析BI工具：帆軟、Smartbi與神策數據的對比分析： 1.大數據BI公司——思邁特軟件 公司核心產品“思邁特商業智能與大數據分析軟件—Smartbi是企業級商業智能和大數據分析平臺，經過多年的持續發展，整合了各行業的數據分析和決策支持的功能需求。Smartbi滿足最終用戶在企業級報表、數據可視化分析、自助分析平臺、數據挖掘建模、AI智能分析等大數據分析需求。 優勢：思邁特軟件產品體系豐富，構建起銷售、產品整合、產品應用的生態系統，與上下游廠商、專業實施伙伴和銷售渠道伙伴共同為最終用戶服務，通過Smartbi應用商店（BI+行業應用）為客戶提供場景化、行業化數據分析應用。應用領域廣闊、合作客戶遍及全國各地。 2.大數據BI公司——帆軟 工具產品主要有終端展示和商業智能工具，比如FineMobile移動BI大屏數據可視化和FineReport FineBI等； 軟服務模塊包括技術支持和二次開發，項目管理，數據庫倉庫搭建，可視化開發，社區服務以及人才培養服務，數據運營部BI工程師培訓，報表工程師培訓。 優勢：產品和服務體系健全，報表產品開發的后端建設到產品使用培訓，搭建起產品的完整服務體系，可以讓客戶快速而深入的掌握公司產品，發揮出產品的真正優勢；另外作為大數據商業智能服務商，帆軟的二次開發和定制化服務為細分客戶服務，增強客戶體驗方面有著強大的支撐。 3.大數據BI公司——神策數據 神策用戶畫像是面向業務的用戶標簽及用戶畫像管理中臺，支持全端采集用戶行為數據，整合業務數據等多種數據源，幫助企業構建體系化用戶標簽圖書館，輸出用戶畫像，賦能業務實現用戶精細化運營和精準營銷；神策智能運營是基于分群標簽的全流程運營閉環分析系統，通過用戶精準分群、靈活創建并管理營銷活動計劃，一鍵執行計劃觸達用戶，并實時分析活動效果，真正形成自動化、精細化的運營閉環。 優勢：在客戶數據安全性方面神策給出“SaaS+大數據+私有化部署”的解決方案，在充分保障客戶數據安全性的前提下，給予客戶最為便捷和易用的數據分析服務；另外神策數據的實時在線、隨時分析的靈活應用特性，滿足了客戶對數據分析時效性的需求，為客戶最大化創造價值。

幾乎與神策同時期成立的第三方大數據分析服務平臺GrowingIO、諸葛IO看起來亦頗具實力，尤其是GrowingIO，團隊成員不乏LinkedIn、eBay等互聯網和數據公司的背景。 神策數據的CEO兼創始人桑文鋒將諸葛IO視為神策的競爭對手，這家曾讓他焦慮過的公司，由一名華科大90后創業者孔淼創建，率先在國內推出了精細化的運營數據分析產品。對于兩家公司的差異，孔淼曾表示，神策一直主打的是私有化部署，而諸葛IO一開始就從SaaS（“軟件即服務”的簡稱，Software-as-a-Service）切入，后來也加入了私有化部署。所謂“私有化部署”，指的是部署在客戶自己的服務器上，這樣一來，數據不會從公司流出，也就避免了數據安全問題。神策的產品的創新在于它既滿足客戶在用戶行為分析方面的通用分析需求，也可以按照行業特性進行深度定制。

測試方法為： 1、調起monitor之后，連接移動設備； 2、設置logcat的filter，填寫包名即可； 3、取已埋點的安裝包并且輸出app埋點的日志； 4、查看埋點字段表，執行對應有埋點的操作； 5、進入手機上的app，點擊 下一步； 6、查看ddms的logcat，即可看到操作的日志； 查埋點是否正確，出現錯誤的情況一般是： a)漏埋點； b)埋點和操作類型不對應，比如點擊的是“下一步”，卻上報了“返回”； c)埋點和操作頻率不對應，比如只操作了一次，卻上報了兩次。 埋點數據的注意事項： 埋點數據的一致性：埋點數據的值需要注意客戶端和服務端的一致性，包括編碼格式、大小寫、全角半角、發送時機等； 編碼格式：埋點數據的值為中文時，尤其要注意編碼格式。為了避免服務端解析數據出錯，一般情況下，客戶端需要對發出的數據進行編碼格式轉化； 大小寫：埋點數據的值在命名時要和服務端數據組同步命名規則，尤其是大小寫； 全角半角：埋點數據的值為英文時，常常容易忽略全角半角的輸入方式，有時候會因此產生無法接收的錯誤； 數據格式：埋點數據的數據格式在定義時要簡單明了，尤其是非實時數據的發送機制，發出的數據量大且同一條埋點發出好多，需要整合。