从244页往下，
第9章： 数据服务体系建设
将数据资产封装成数据服务，以接口方式提供给上层应用，才能极大释放、提升数据资产的价值。
9.1 补全数据应用的最后一公里
看了本章节的阐述，想起了客户的一句话，数据资产只有被使用才有价值，否则就是一堆垃圾。-by 飞霜
数据服务的定位，对数据进行计算逻辑的封装（过滤查询、多维分析、算法推理等计算逻辑），生成API服务，上层数据应用可以对接到API。
数据中台总体架构图
数据主要分类：
- 基础数据服务：主要是物理表数据，面向场景包括数据查询、多维分析等，通过自定义SQL的方式实现。
- 标签画像服务：面向对象是标签数据，主要面向场景包括标签圈人、画像分析等。
- 算法模型服务：主要面向的对象是算法模型，主要面向场景包括智能营销、个性化推荐和金融风控等。
9.2 4种常见的数据服务
根据不同的数据使用场景，抽象出查询服务、分析服务、检索服务、圈人服务、推荐服务、风控服务等。
4种常见的数据服务类型
各行各业，要服务的不过就是对内提高效率：找到对的客户、卖对的产品、在对的地方和时间卖。who,what,where,when, how, 理解通过查询服务、分析服务、圈人服务 可以帮助内部客户来回答这些问题。 而通过推荐服务，可以让最终客户更容易效率的使用这个服务。-by 飞霜
查询服务：
通过一个标识(key)查询其对应的内容，可以附加一些条件过滤来满足检索要求。如常见的根据账号查询相关的档案信息 等。
查询服务的构建过程：
数据接入（通过数据库、文件或API等形式把数据连接进来）
--》
数据查询：（通过传参或图形界面进行查询配置）
---》
结果规则配置：（查询好的数据设置排序、分页规则）
----》
能力开放（把查询服务变成一个服务的API，提供上层应用调用）
9.2.2 分析服务
定义：
分析服务通过各种数据统计分析的方法，对数据做任意维度的数据分析挖掘，让数据分析人员快速了解数据集的特点，以支持数据化运营、分析决策等场景。常见的如BI工具、数据化运营中的路径分析、漏斗模型等。
摘自：https://segmentfault.com/a/1190000039414810
备注：路径分析
2.1 路径分析
路径分析是常用的数据挖据方法之一， 主要用于分析用户在使用产品时的路径分布情况，挖掘出用户的频繁访问路径。与漏斗功能一样，路径分析会探索用户在您的网站或应用上逗留的过程中采取的各项步骤，但路径分析可随机对多条路径进行研究，而不仅仅是分析一条预先设定的路径。
桑基图：
桑基图（Sankey diagram），即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小。如图所示，每条边表示上一节点到该节点的流量。一个完整的桑基图包括以下几个内容：节点数据及节点转化率（下图红框部分）、边数据及边转化率（下图黑框部分）。转化率的计算详见。
漏斗模型：
漏斗模型可以对流程中的各个环节进行拆解和量化，帮助我们有效找到问题环节、进行优化。因此，除了广告营销之外，漏斗模型还被广泛应用于CRM系统、SEO优化、用户留存转化、流量监控等产品营销或者运营的各个方面。
摘自 http://www.woshipm.com/pd/1695380.html
1.AIDMA模型
AIDMA模型是在AIDA模型（Attention, Interest, Desire, Action）的基础上，增加了Memory，形成的注意 → 兴趣 → 欲望 → 记忆 → 行动（购买）的模型。
看到253页，明天继续。
今天把第9章节都过了一遍，不过抄一遍还蛮花时间，慢慢来。
