用户行为分析中的Events数据模型概述

用户行为分析基础模型的约束概述

不同于传统的BI工具，用户行为分析中的所有分析模型均是基于元数据抽象的分析模型，它底层的数据模型其实是非常简单的，即三个主体模型：用户、事件以及item，其中item只是补充作用

基础模型的特点

1. 基于元数据来构建的
2. 去业务的
3. 有约束的
   1. 基于事件、用户、item模型
   2. 约定数据格式
4. 统一用户的标识（多端的用户打通、登录前和登录后的打通）

后续的分析模型都是解决一类特定场景的问题，先定义场景，再拆解场景，最后在套用模型进行分析

主体描述：

事件：可追加，无状态的数据。用主谓宾来描述 谁在什么时候什么地点以什么方式做了一件什么事情，其5要素为：

1. Who（可以抽象，不一定非得是用户，也可以是物联网设备等）
2. Where（可以抽象，不一定非是地理位置）
3. When
4. How
5. What

用户：只保留最终状态（属性归于 事件还是用户，不完全根据属性归属划分，根据属性特性划分）

Item：扩展属性的主体（比如属性字典、虚拟属性），未来也可做为其他主体的分析使用

约定的数据格式：

1. 字符串（限定长度）
2. 数值（限定精度和长度）
3. 布尔
4. 日期（支持的时间格式）
5. 集合（array<string>)

分析模型的构成：

1. 指标：基于数据类型进行抽象，所有类型支持去重数计算，数值类型可以进行算术运算
2. 条件：不同数据类型支持不同的过滤操作
3. 维度：不同数据类型维度处理逻辑不一样，比如数值需要定义区间，日期转换为各种粒度，数组类型是否拆分，其他类型直接分组
4. 事件：元事件和虚拟事件都等于一组条件
5. 算法：SQL + UDAF 完成所有分析模型的计算

分析模型：

当前抽象出来的分析模型有：

1. 事件分析
2. 留存分析
3. 转化分析（漏斗）
4. 分布分析
5. 用户路径分析
6. LTV
7. 属性分析
8. Session分析
9. 归因分析
10. 间隔分析
11. 热图

统一用户的标识：

用户ID，登录ID，匿名ID

在数据处理过程中需要打通3者之间的联系