三大数据分析工具对比 - 友盟 GrowingIO 神策数据
数据分析半年,title应该是数据分析专员。怎么说呢,如果是在稍大一点的公司,数据分析专员的要求一般并不止于excel,很有可能是要求熟练使用公司自建或者外采的数据分析工具。
从描述中看,很可能提问者是在一家小型公司,可能是创业型公司,这类公司的IT信息化水平较低,集约化要求高;从提问中看到使用Excel挺长时间,可以发现实际职能偏向业务运营层面。
很多人的回答可能存在一些误区,首先我们来想想这类公司对于数据分析业务(可能是数分,运营,产品等等)的诉求是什么: Comment by 阿拉蕾 Nikita: 同学?角色? Comment by 阿拉蕾 Nikita: 运营?
基本数据统计,达到行业标准的分析能力,低成本投入等等。
迎合老板的想法才是王道,至于一些奇技淫巧并不是最重要的(遇山开山即可),有的回答说十天入门R,有点夸夸其谈,没有数据统计基础的入门和可用完全是两回事。
我们再拉勾等看看数据运营相关的JD,大部分的要求是对于数据投放收集分析一条龙的理解能力;对于小公司的运营党来说,如果没有编程背景想要及时提高跟上公司的发展步伐,主要还是培养数据和运营的思维能力,后期公司壮大了,重复机械化工作直接从接入第三方转给自己的数仓BI部门即可。
对于创业型公司来说,接入第三方分析工具几乎是必然途径,想想拉起一个数据管理团队一年得多少钱老板们就不淡定了,更不用说在竞争激烈的市场中承担时间和风险成本。
现在国内主流市场的整套数据分析工具并不多,友盟+,talkingdata,growingio, 神策,诸葛io等等。
先来说说友盟
友盟被阿里收购之后,又将移动开发者服务平台友盟、中文网站统计分析平台 cnzz 及缔元信网络数据合并,成立"友盟+",从友盟原有的网站和APP统计看,能够满足基本的数据分析需求。这就满足了我说的第一点——基本数据统计。
目前来说基本市场上主流的工具都能较好支持基本的数据统计。不过值得一提的是,其中友盟最近接入了好几家的小程序统计,我扒了下开发者文档应该是目前接入最全的。
基本的分析大家都有,我们看到PV UV BR这样的概括性指标,只能反映整体情况,但是却无法指导我们如何去优化,去提高。所以现在竞争最激烈的就是"指导方案"——达到行业标准的分析能力。
目前友盟的整个数据体系大概就是上面这样,有基本事件级别统计,用户(UTSE)数据,和数据银行。
这里比较有意思的就是旗下的U-DOP服务,大概意思就是把企业通过友盟采集到的数据存入自己公司私有的阿里云数据库,同时支持开发者把其他业务域数据存入私域数据库,借助已有的BI工具搞融合分析。
这种好处很明显,一个完整的商业数据源主要分类有用户行为数据,后端的LOG数据,交易(业务)数据。最敏感的业务数据一般会离线在私有数据库中,数仓团队通过 ETL 来获取分析数据;接入第三方工具经常尴尬的点在于私有化部署和便捷赋能的矛盾,私域数据与公共能力结合,暂时还没看到有第二家这么干。
友盟强调的赋能层面一直推阿里之前提出的"数据银行"概念,应该说是一个先进的数据管理思想,具体落地的方案主要就是数据开放和数据融合。数据通过订阅的形式开放给企业并提供阿里系长期耕耘的数据分析模板进行融合分析,其中APP端的数据字段的比较全,基本可以覆盖日常需要使用的场景,其他的就比较少了,作为新出的功能后续应该还在陆续优化中。
U-DOP同时支持阿里云的Quick BI可视化自定义仪表盘分析,交互上和Tableau差不多拖拖拽拽,可视化方面不用担心,足够初阶的学习了。
成本方面,友盟这边用服务包的形式收费,以U-DOP为例,含数据包+主题模板+云数据库 +分析BI工具。开通前需要友盟+账户绑定经过实名认证的阿里云账户,友盟背靠阿里云,与阿里云合作以性价比高的软硬件组合套餐形式降本在,综合经济服务器端的成本上和阿里旗下的各类云产品的兼容性都会更有优势。目前U-DOP 服务包,3W DAU以下的一年1500起步,配合其他付费产品一年成本不算太高,这种形式对于中小企业来说比较有吸引力。 Comment by Microsoft Office User: 有些歧义需要调整一下,友盟没有自己做数据库,套餐全部都是阿里云的数据库,为了降低中小企业的使用成本因此特别与阿里云合作做了性价比高的套餐售卖形式。
GrowingIO
当年"盛极一时"的增长黑客概念普及最大功臣可能就是GIO了,当时几乎人手一本GIO发的《增长黑客手册》,如今旗下电子书已经铺开了这么多简直可以开书店了。
GIO的出现,与当时传统分析工具有着明显不同,其交互对于运营用户特别友好,我见过用GIO的运营没有一个说上手困难,交互差的。技术对接上也是十分简单,嵌入SDK部署即可用。
GIO主打的"增长黑客"概念如今已经被很多其他友商采用,其核心就是一切围绕从用户层面的路径分析,思路都带有浓浓的工业化数据产品气息,对于数据新人有一定的业务数据思维帮助。
GIO 的缺点也很明显,由于主打无埋点,用的是record思维模式,可能与目前的主流分析途径有一些差异;同时在某些页面(尤其是交易页面)的一些行为操作,无埋点是无法采集的,这往往会导致存在数据偏差,所以现在GIO又接入了有埋点。
用户路径为核心最大的依赖在于交易链路,尤其是电商类产品尤为合适,但是toB和其他行业的产品就不一定能满足了,还是需要根据公司的定位以及每年度的KPI运营政策调整选择合适的工具。
GIO现在的部署是可公可私,当时左右对接过一次,报价是8W(那是只有SaaS),现在价格低了一些也得有五六万(<3w DAU)
神策数据
神策的初始团队基本是百度日志出来的,整体思路偏技术,主打私有化部署。运维对它的熟悉程度不亚于产品运营哈哈哈,以前部署过,运维群里不停升级,维护,ETL,总的来说一个强大的运维团队很重要。
从神策的产品线来看,强调行业解决方案,整体套售方案。神策的数据开放做的不错,得益于私有化部署,数据输出给其他业务系统比较友好。同时提供API做二次开发以及Kafka,impala,hive等支持,元数据采集齐全,可以做大数据基础设施或者中台。
但是,由上述优势可以看出,神策本身不是BI分析工具,形成分析报表的能力还是比较有限的,比起GrowingIO来说,交互和逻辑还是相对复杂,非技术侧的人员学习成本很高,需要对数据采集有一定认知。神策主要以事件标签为核心,而不是传统的统计模型,加工成本挺高,适合有一定数据团队的较大型公司。神策和GIO一样都是五六万起步,相比友盟高不少,不过相比GA这类大佬动辄十几万美元相比就显得便宜太多了,况且GA的售后实在太不方便了。
总而言之,做数据分析时工具只是锦上添花的东西,不要拘泥于学习软件编程或者重复性操作上。根据公司现实情况综合考虑数据分析方案,选择自建还是接入第三方,整个数据分析链路是否完备,每个环节的工具则根据具体需求具体分析。