相信大家都有接到过电销打来的推销电话，贷款的、买房的、买车的，更气人的是骗子也混迹其中。虽然现在个人隐私是受到立法保护的，但这些销售人员，都是如何知道我们的个人信息的呢？难不成真的是内部流出的excel文件？看完这篇文章，你就知道。
———— / BEGIN / ————
白话模式：
场景：小明浏览某消费金融APP后接到推销电话。
推销：您好，小明先生您是我司的尊贵客户，赠送您分期购物利息6折优惠券一张。
小明：咦，你怎么知道我要分期买手机的。
推销：您浏览了几款我们平台最热销的手机，系统自动向您推送的优惠券，我们只是告知一下您以免错过优惠。
小明：啊这…
黑话模式：
普通人以为的给用户打营销电话，可能是这样的：
拿着一个纸质号码簿，或者一个excel表，或者对着手机通讯录
人工挨个拨打，人工记录拨打情况
产品经理等业内人士操盘的的给用户打营销电话，其实是这样的：
系统自动从数据库中筛选合格的数据
数据脱敏（只显示前三后四）后推送给电销系统
AI语音按照规定的话术与客户进行沟通（有点像电影《孤注一掷》中的情节），标注用户转化潜力，并给出后续跟进的建议
系统自动进行录音和数据上传
电销人员再次与高潜客户沟通
抛开黑产非法窃取用户隐私信息这种情况不论，合规经营的互联网公司，数据工作是分成【数据指标维护】【数据埋点上报】【数据仓库】【数据平台】几个关键环节来展开的：
01
数据指标维护
任何数据埋点和上报，一定是围绕着后续的数据分析工作来进行的，而要做好数据分析，首先就要定义并维护数据指标。
常见的数据指标有三类：
第一类：流量指标
互联网产品关注的流量指标都类似，主要包括：
PV、UV 、跳出率、停留时长、活跃（日活、周活、月活）、留存率（次日留存、7日留存、月留存）等。
第二类：转化指标
因行业、公司、产品不同而各有侧重，以分期电商产品为例，典型指标有：申请授信-风控批核率、授信-订单转化率、连单率、复购率、退货率等。
第三类：业务指标
因行业、公司、产品不同而各有侧重，以分期电商产品为例，典型指标有：总授信额度、人均授信额度、额度使用率、客单价、坏账率、运营费用率、资金成本率等。
02
数据埋点与上报
数据埋点是指基于业务或产品需求，对每一个用户行为事件对应的位置进行埋点，并通过接口上报埋点的数据。
数据埋点，既可以通过第三方厂商提供的解决方案来实施，也可以由互联网公司自行研发。
第三方数据埋点厂商主要包括友盟、talkingdata、百度云统计、腾讯移动应用统计、神策数据等。
2.1 埋点事件
用户使用互联网产品的每个动作，都可以抽象和建模为一个【事件】，事件又可以细分为【key属性】+【value值】两部分。
比如浏览APP首页这个事件的抽象和建模：
key=【APP版本号+用户信息+页面信息】
value=【APP4.5版本+用户ID20231101+页面IDhomepage001】
2.2 埋点分类
根据数据埋点上报的位置不同，数据埋点分为前端埋点和后端埋点两种。
前端埋点：
适用于常见的浏览、点击行为，也叫点击流埋点，优点在于能收集全面、精细的用户行为。
缺点是APP客户端发版更新埋点后，会存在部分用户未更新APP的情况，影响数据质量。
用户在App中浏览首页，点击特定按钮时，客户端记录相关信息（时间、页面ID、按钮ID、用户ID等），并通过接口发送到服务端，这就是典型的前端埋点和上报。
后端埋点：
则是将用户与服务端的交互记录进行上报，主要适用于非点击行为。
后端埋点优点在于可实时采集数据，数据准确，且支持与用户身份信息、行为信息等属性信息深度整合；缺点在于代码埋点流程涉及多方协作，效率较低。
消费金融行业风控所需的获取AppList并上报，就是典型的后台埋点。后台通常会在用户行为（如安装app时同意隐私协议）触发获取AppList时，记录相关信息（如时间、设备信息、用户ID、Applist等），并将其上报给服务器。
本文开始的案例中，用户小明之所以收到营销电话，就是因为在注册时他同意了注册协议（其中含有授权平台获取、使用手机号的条款），后台因此记录用户的手机号、位置信息、设备信息，上报给服务器，并同步给电销系统。
电销系统中手机号码，后续的跟进，一般是AI外呼机器人先做一轮拨打和数据标注，筛选初优先级的高中低档，再交给人工，按照优先级进行外呼。
看到这里，读者们可能会心里一惊，互联网上原来这么没有隐私，难怪那么多电信诈骗，我天……
实际上的情况，比大家想象中有更糟糕的一面，也有在好转的一面。
糟糕的地方在于–网络黑产–这个群体会通过各种非法手段，获取、倒买倒卖个人信息，然后进行电信诈骗等非法行为。这些行为很多并不发生在我国境内，而是在境外比如缅北…这也是为什么我国要打击电信诈骗，并且由国家出面教缅北的老（jun）板（fa）们怎么体面做生意。
好转的一面在于：对于这种虽经过用户授权同意，但是仍然或多或少骚扰用户的营销行为（业界称为网络灰产），国家陆续颁布了多部旨在保护个人隐私数据的法律法规，要求互联网公司用更加醒目、更加明确可感知的方式告诉用户平台将会如何采集使用个人信息。
数据仓库
数据仓库可以理解为一种新型的数据库，可以容纳更多的数据、更加庞大的数据集。
数据仓库通常用于存储和分析来自多数据源的业务数据，侧重查询和分析而不是数据处理。
数据仓库的常见应用场景有：
客户数据管理：包括用户行为、消费记录、标签、画像、偏好、会员等级、积分、权益等。
电商运营：包括会员数据、商品数据、销售数据、营销数据、商家数据、库存数据等。
风险管理：对客户进行信用评级、对风控策略进行建模和分析、对资产进行分类等。
数据仓库常见解决方案提供商有：
Oracle：Oracle是全球最大的企业级软件公司之一，其数据仓库解决方案基于Oracle数据库，支持各种数据类型和大规模数据处理，同时提供了丰富的ETL和报表分析工具
Microsoft：Microsoft的数据仓库解决方案基于SQL Server数据库，具有易用性和可伸缩性，适用于各种规模的企业
IBM：IBM的数据仓库解决方案基于DB2数据库，提供了一系列企业级的数据仓库和数据分析工具
Sybase：Sybase的数据仓库解决方案可以提供面向不同行业（电信、金融、保险和医疗保健）的客户关系管理产品
SAP：SAP的数据仓库解决方案基于SAP HANA数据库，支持实时分析和预测，适用于各种行业的业务。
Teradata：Teradata是一家专门从事数据仓库和商业智能的高端供应商，其数据仓库解决方案具有高性能、可伸缩性和可靠性。
Apache Hive：Apache Hive是一个开源的数据仓库工具，可以提供数据汇总、查询和分析的功能，适用于大规模的数据处理和分析。
笔者所在公司，目前使用的就是Hive作为数据仓库工具。
04
数据平台
数据平台的基本功能主要包括数据采集、数据存储和处理、数据分析三个方面，与互联网产品经理日常工作相关的主要是数据分析相关的功能。
数据报表report平台和商业智能BI平台都是企业中常用的数据分析工具，它们在功能和应用场景上有所不同：
4.1 数据报表report平台
数据报表report平台提供的是类似excel表格的数据字段展示，数据分析师、产品经理、运营等岗位的同事，可以从系统中导出明细，做进一步的分析。
商业智能BI平台通常提供更加可视化展示的数据应用，可以快速地从不同业务系统中抽取和整合数据，并利用多维分析工具对数据进行深入分析和挖掘。
数据驾驶舱是一个比喻性的术语，指的是一个集成和可视化展示数据的仪表板或控制台。这个仪表板或控制台可以展示各种数据源的信息，帮助公司创始人、高层更好地理解和分析数据，以支持决策和监测业务运营情况。
数据驾驶舱通常以图表、图形、指标和报表等形式呈现关键数据，可以从多个数据源中获取数据，并将数据集成到统一的界面中，使用户可以一目了然地了解数据的整体情况。
在用户授权的情况下，对用户进行适当的电话营销，本身无可厚非。但前提必须是在用户充分知悉的情况下，进行的授权。否则，走灰色地带，不尊重用户隐私的互联网产品，也不会得到用户真正的认可。
至于倒买倒卖用户隐私数据，用于牟利，则是触犯刑法的黑产行为，作为互联网行业从业人员，该有的底线不能突破，对这种行为要坚决说不，职业生涯才能行稳致远。