如何从 0 到 1 设计、构建移动分析架构

作者：处厚，目前主要负责支付宝数据分析组件开发和通过移动开发平台 mPaaS 对外输出工作。本专题主要围绕 mPaaS 移动分析服务 MAS 展开分享如何从 0 到 1 设计、构建移动分析架构。

直播回顾地址（请复制到浏览器中打开）： t.cn/EoVbajX

 

0. 移动分析的过去与未来

移动分析，这个名字其实不够全面，本质上是“移动数据分析”。因此我们接下来讨论的具体业务问题虽然仍在数据统计分析的范畴，但由于移动端应用的蓬勃发展，因此我们将具体业务与 BI、数据仓库等技术深度结合，并逐步推演沉淀了移动分析架构设计的思考。

移动数据分析在发展初期和现阶段的情况已经是完全不同：

• 发展初期：从业务层面看，App 处于蓝海市场时获客容易，因此研发团队有条件更关注业务发展，专注开发好用的 App 来吸引客户；从技术层面看，BI/数据仓库技术曲高和寡，仍旧运行在大型企业中，如运营商、能源机构等。同时，开源数据平台还处在初级阶段。
• 现阶段：经过了多年的高速发展，移动数据分析已经进入了成熟期，App 厂商需要应对严厉的市场竞争才能存活。因此业务团队一方面需要更加熟悉 App 运营状况，精细化运营客户，另一方面，Hadoop 作为基础的大数据平台产品已经相对成熟，不仅方便于数据开发，对于自建大数据平台而言也非常适配。 而市面上众多提供数据分析服务的公司能够坚持到现在，也足以说明相关能力确实在解决移动开发者的相应痛点：

 

1、App 已经下发，那么 App 的运行情况实际如何？

2、用户的数量及以后的增长趋势如何评估

3、App 中的哪些功能是实际上受用户喜爱和欢迎的？

4、用户画像（用户所在区域、用户使用设备的价位、用户使用 App 的频次）

这些问题，如果解决起来，和线上耦合性较小。但是直接使用线上的数据库来做则是非常困难，而且消耗很大，这就需要使用数据仓库技术，来处理移动数据，形成指标报表，从而深度支持业务方完成运营决策，更精准地展开用户运营；或者形成 AI 算法，提供新的用户服务。

那么，我们今天探讨一下，如何从 0 到 1 设