天门物联平台定制方案了解更多「态物科技」

数据模型简介在神策分析中，我们使用事件模型event 模型来描述用户在产品上的各种行为，这也是神策分析所有的接口和功能设计的依据。

简单来说，事件模型包括事件event和用户user两个实体，同时配合物品item实体可以做各种维度分析，在神策分析中，分别提供了接口供使用者上传和修改这两类相应的数据，在使用产品的各个功能时，这两类数据也可以分别或者贯通起来参与具体的分析和查询。

维度建模

1、维度和指标的概念

按照维度表、事实表构建数据模型，通过指标评价企业经营活动。

维度一般包括：地区、时间、部门、产品等等。

指标一般包括：销售数量、销售金额、平均销售金额等等。

2、星型模型

星型模是一种---的数据关系，它由一个事实表和一组维表组成。每个维表都有一个维作为主键，所有这些维的主键组合成事实表的主键。强调的是对维度进行预处理，将多个维度集合到一个事实表，形成一个宽表。这也是我们在使用 hive 时，经常会看到一些大宽表的原因，大宽表一般都是事实表，包含了维度关联的主键和一些度量信息，而维度表则是事实表里面维度的具体信息，使用时候一般通过 join 来组合数据，相对来说对olap 的分析比较方便。

三、建立模型

在准备好的数据基础上，建立数据模型，这种模型可能是机器学习模型，也可能不需要机器学习等高深的算法。选择什么样的模型，是根据要解决的问题目标确定的。

当然可以选择两个或以上的模型对比，并适当调整参数，使模型效果不断优化。

四、模型评估

模型效果的评估有两个方面：一是模型是否解决了需要解决的问题是否还有没有注意和考虑到的潜在问题需要解决；二是模型的准确性误差率或者残差是否符合正态分布等。

如：在识别kol假粉的问题中，需要评估的是：模型能否识别出假粉？识别的误差率是多少？粉丝识别误差率=假粉误认为真粉的数量+真粉误认为假粉的数量/总粉丝数