【数据应用服务】

数据应用服务必经的几个阶段：数据收集、数据治理、数据分析、数据融合

数据经过长时间的数据沉淀、可能时间更长数年数十年等，通过不断地打磨驯化，然后经过数小时的数据准备，最后实现秒级的数据结果。最后展现给用户的是最终处理之后的可视化的统计数据，有更好的易读性和便捷性，最大程度地帮助用户提高决策效率。

数据应用的方法模型

数据收集

确定数据的来源，关注数据来源，一个数据可能从不同的交互中获取到不同的数据信息，不同的数据信息要提前进行埋点。数据来源可以使系统内部，可能是外部接口反馈也可能是其他系统的数据。

数据治理

数据治理意味着设置适用于收集、存储、处理和处置数据的内部标准，即数据策略，它规定了谁可以访问哪些数据以及哪些数据应受治理。
数据治理其实很重要，比如，有些数据是没有价值或者价值很低的，这些数据就不必要展示；有些数据涉及隐私或安全，不能够展示；所以要对数据进行筛选和过滤，剔除无意义的数据，保留最有价值的高效数据。

数据分析

数据分析呀破解和当下的业务场景，通过数据治理得到了可用的数据，我们要对这些数据进行加工。
首先进行分维度的权重设计，然后进行统计分析，如，哪些数据是对业务需求意义大，应该分配什么样的权重，不可单纯罗列原始数据，最总展现给用户的应该是统计性的和报告性的，要让用户直观的看到我们数据分析的结果，而不是在用户看到后还要自己再计算分析。

数据融合

数据融合应围绕产品定位和产品价值来进行。