数据分析的结构层次

底层数据的收集/产品端的收集

数据采集简称埋点，收集用户在网页端、产品端、客户端等终端的数据，也包括第三方外部数据。
用户行为——原始数据

数据业务化/产品需要什么样的数据

将收集的数据转换成可理解、可量化、可观察的业务指标。单纯的数据没有意义。只有和业务结合才能发挥价值。
原始数据——加工数据

数据可视化/产品的表现如何？

有了数据指标，必须管理好指标。数据分析体系即数据指标体系，指标需要监控和衡量。
加工数据——可视化数据/信息

数据的决策和执行/怎么让产品更好

当从数据中获得了洞察，就需要把洞察转换成策略。这也是包含分析的过程。执行既包含策略的制定，也包括优化和改进。这是持续的。
可视化数据/信息——数据决策

数据模型/产品开始自动化和系统化的运营

这是将策略制成数据应用和产品，当年洞察到数据中蕴含的规律，什么样的用户喜欢，什么样的商品会被购买，什么样的活动形式更好，就尝试把这些做成系统。
数据决策——数据产品/应用

数据战略/指导未来

当积累了大量的数据，大量的规模，大量的数据应用时，公司的数据体系已经具备雏形，它不只是数据分析，而是应该将数据变现。
数据工具——数据体系/战略

数据分析的结构层次
ETL: 是英文Extract-Transform-Load的缩写，用来描述将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。

DW: 数据仓库；是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。
CRM: 客户管理关系；是指企业用CRM技术来管理与客户之间的关系。在不同场合下，CRM可能是一个管理学术语，可能是一个软件系统。通常所指的CRM，指用计算机自动化分析销售、市场营销、客户服务以及应用等流程的软件系统。它的目标是通过提高客户的价值、满意度、赢利性和忠实度来缩减销售周期和销售成本、增加收入、寻找扩展业务所需的新的市场和渠道。
CMS: 内容管理系统
BI: 商务智能；指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。