内置分析

1）定义和价值

嵌入式分析是一种方法，其中报告，行列板，度量，建议和交互式研究工具深入集成到最终用户的主要产品/业务流程中。目标不是"显示图形"，而是加快行动背景下的决策：在CRM，售票处，忠诚度平台，支付办公室，Admironok和客户端应用程序中。

• 加快解决方桉速度和质量：减少上下文切换。
• LTV增长和保留：用户返回洞察力和控制。
• 产品差异化：分析成为价值主张的一部分。
• 降低分析/BI命令的负担：界面中的自助服务。

2）标准用例

操作仪表板： KPI转换,finpotoks,风险,SLA.

内置建议： 下一个最佳动作,apsell/Cross-sell, Alerts.

按细分/特南特划分的切片：品牌，地区，合作伙伴，商人。
自助服务分析：过滤器,drill-down,保存的视图。
导出/分发：CSV/XLSX、PDF快照、订阅、Webhook-alerta。

3）目标受众和角色

操作员/经理：监控、响应、规划。
分析师/产品经理：快速A/B洞察力，假设，QoE。
财务/合规性：GGR控制，报告，模板模式。
合作伙伴/B2B客户端：透明度，自助服务和信任。

4）体系结构： 概述

1.数据源：OLTP，事件（流），第三方API。

2.收集和清除：CDC/ETL/ELT，电路，重复数据消除，SLA下载。

3.存储/店面：Data Lake+DWH（恒星/雪花），OLAP/HTAP。

4.语义层：业务指标，单一定义，ACL。

5.渲染/渲染服务：图形/dashbords引擎。

6.嵌入：iframe/JS-SDK/Component API,移动SDK。

7.安全和身份联合会：SSO/JWT/SCIM，RLS/CLS。

8.操作：缓存，监视，内容验证，观察能力。

一个重要的原则是：将语义（如我们认为的指标）与可视化（如我们所示）分开，以管理更改而无需进行大规模回收。

5）数据模型和语义

KPI统一词汇表：定义，来源，公式，所有者。
分层：staging → curated → marts；原材料与店面分离。
稳定钥匙和SCD：整齐地保存陈列柜的故事（SCD2）。
Row-/Column-Level Security （RLS/CLS）：跨标签/角色/区域过滤。
数据测试：新鲜，完整性，独特性，异常的验证器。

6）嵌入： 集成选项

IFrame嵌入：快速启动；重要：安全令牌，sandbox。
JS-SDK/组件嵌入：反应元件,双向产品通信（过滤器,事件）。
Headless/Graph API：用于打印、导出、批量报告的服务器。
移动SDK：本机屏幕、离线键、推送触发器。

header: { alg: "RS256", typ: "JWT" }
payload: { sub: "<user_id>", tenant_id: "<tenant>", roles: ["manager"], exp: <ts> }

令牌由供应商的私人密钥签名，并由渲染服务进行验证；基于"tenant_id/roles"，应用RLS/CLS和访问模式。

7）安全和准入

SSO：SAML/OIDC，角色/组的SCIM宣传。
RLS/CLS：字符串/列级别的粒度策略。
PHI/PII/PCI：掩码、令牌化、别名化。
审计预告片：谁看了什么，应用了哪些过滤器，是否导出。
限制和保护：rate限制，查询签名，反打字。

8）多重性和隔离

逻辑隔离：密钥中的"tenant_id"+RLS；快速启动。
物理隔离：针对主要客户/地区的专用DB/计划。
内容模板：通过参数"一个行车-数千个租户"。
Quotas/SLO：出口限制，刷新率，渲染SLA。

9）个性化和上下文

上下文过滤器：角色、地理、通道、用户段。
保存的视图和选定的行列。
建议/线索："接下来要看看"，"今天的异常"。
Nudges：微型文桉写作、KPI背光、动作检查表。

10）性能和规模

缓存：多层（查询缓存，材料化查看，用于静态图形的CDN）。
教师：时间表单元，滚动单元，立方体/aggregate tables。
HTAP/OLAP：卸载OLTP和分析负荷；使用列式DBMS。
流媒体：通过Kafka/Kinesis+incremental upserts进行近实时度量。
前端优化：表虚拟化,lazy-load, debouns过滤器。

11）可用性和UX

零点击洞察力：实体表/卡中的提示。
Drill-down/Drill-through：从KPI到主要事件的路径。
Explained KPI："被视为指标"、来源、更新时间。
可用性（a11 y）：对比，键盘导航，ARIA标签。
移动：自适应卡，KPI图块，快速过滤器。

12）内容管理（内容平台）

Dashbords和来源，草稿/出版物的反转。
金丝雀分析发行，新图形的特色旗。
控制公式和语义的更改（approval工作流）。
目录/按指标、标签、所有者搜索。

13）嵌入式分析师的货币化

票价：基本的KPI-免费,高级报告-在Pro/Enterprise。
付费插件：导出、API访问、白标、上限。
B2B通道：合作伙伴/客户访问-作为附加服务。
缝合价值：分析作为核心产品升级的关键。

14）法规遵从性和监管性

GDPR/CPA/地方规则：法律依据，数据最小化。
访问/删除权：DSAR流程和"被遗忘的权利"。
存储和恢复：按数据类型和区域划分的截止日期策略。
数据本地化：存储区域,跨境传输。

15）成功指标（示例集）

激活：活跃的分析用户份额（WAU/MAU）。
参与：每个会话与小部件的平均交互次数。
洞察力速度：从事件到可用的KPI的时间。
业务效果：在转换/还原中,降低了额定/收费率。

可靠性： 渲染服务,p95潜伏期,出口错误比例.

16）技术堆栈（变体）

存储：BigQuery/Snowflake/Redshift/ClickHouse/DuckDB。
编排：Airflow/Argo/DBT/Prefect。
流媒体：Kafka/Kinesis/PubSub。
语义：dbt metrics/LookML/无头 BI。
可视化：专有的React组件，商用/OSS BI引擎，大容量的WebGL图表。

Auth/SSO: Keycloak/Auth0/Azure AD, OIDC/SAML, JWT.

观察力：Prometheus/Grafana/OpenTelemetry，对数聚合。

17）业务和支助

SLO/alerts：p95渲染<X秒，新鲜店面<Y分钟。
Runbooks：消除数据降解，公式回归，"红色"行列板。
能力规划：按小时/周分列的负载预测，出口限制。
事件政策：通讯，临时存根，后太平间。

18）反模式

"图形是为了图形"：与用户操作无关。
意大利面条度量：不同屏幕中单个KPI的不同公式。
缺少RLS/CLS：内容间数据泄漏。
OLTP中的大量实时查询：生产性事务退化。
仅依赖iframe：不可逆限制的UX和控制。

19）实施路线图（按阶段）

1.发现：解决方案图，JTBD，KPI最低，风险列表。
2.MVP：3-5个关键行车记录仪，SSO，基本RLS，缓存/教学记录。
3.Scale：语义层、目录、版本、Headless API、导出。
4.支持和增长：目标提示，Alerts，A/B迭代，货币化。

20）发行前的支票清单

• SSO和角色在站立中经过验证。
• RLS/CLS政策涵盖所有店面和出口。
• KPI统一公式和数据词汇表已发布。
• 数据的p95潜伏期和新鲜度符合SLO。
• Logi/Traces/Audit-Trail可用，Alerts已连接。
• 已验证UX模式（drill-down、存储的过滤器、KPI解释）。
• 法律要求和改革政策是一致的。

底线：嵌入式分析不是单独的"BI屏幕",而是使数据成为动作的产品的有机部分。成功取决于语义质量，安全的多重性，渲染的速度，可持续的利用以及分析真正改变用户决策的程度。