內置分析

1）定義和價值

嵌入式分析是一種方法，其中報告，行列板，度量，建議和交互式研究工具深入集成到最終用戶的主要產品/業務流程中。目標不是「顯示圖形」，而是加快行動背景下的決策：在CRM，售票處，忠誠度平臺，支付辦公室，Admironok和客戶端應用程序中。

• 加快解決方案速度和質量：減少上下文切換。
• LTV增長和保留：用戶返回洞察力和控制。
• 產品差異化：分析成為價值主張的一部分。
• 降低分析/BI命令的負擔：界面中的自助服務。

2）標準用例

操作儀表板： KPI轉換,finpotoks,風險,SLA.

內置建議： 下一個最佳動作,apsell/Cross-sell, Alerts.

按細分/特南特劃分的切片：品牌，地區，合作夥伴，商人。
自助服務分析：過濾器,drill-down,保存的視圖。
導出/分發：CSV/XLSX、PDF快照、訂閱、Webhook-alerta。

3）目標受眾和角色

操作員/經理：監控、響應、規劃。
分析師/產品經理：快速A/B洞察力，假設，QoE。
財務/合規性：GGR控制，報告，模板模式。
合作夥伴/B2B客戶端：透明度，自助服務和信任。

4）體系結構： 概述

1.數據源：OLTP，事件（流），第三方API。

2.收集和清除：CDC/ETL/ELT，電路，重復數據消除，SLA下載。

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

4.語義層：業務指標，單一定義，ACL。

5.渲染/渲染服務：圖形/dashbords引擎。

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

7.安全和身份聯合會：SSO/JWT/SCIM，RLS/CLS。

8.操作：緩存，監視，內容驗證，觀察能力。

一個重要的原則是：將語義（如我們認為的指標）與可視化（如我們所示）分開，以管理更改而無需進行大規模回收。

5）數據模型和語義

KPI統一詞匯表：定義，來源，公式，所有者。
分層：staging → curated → marts；原材料與店面分離。
穩定鑰匙和SCD：整齊地保存陳列櫃的故事（SCD2）。
Row-/Column-Level Security （RLS/CLS）：跨標簽/角色/區域過濾。
數據測試：新鮮，完整性，獨特性，異常的驗證器。

6）嵌入： 集成選項

IFrame嵌入：快速啟動；重要：安全令牌，sandbox。
JS-SDK/組件嵌入：反應元件,雙向產品通信（過濾器,事件）。
Headless/Graph API：用於打印、導出、批量報告的服務器。
移動SDK：本機屏幕、離線鍵、推送觸發器。

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

令牌由供應商的私人密鑰簽名，並由渲染服務進行驗證；基於「tenant_id/roles」，應用RLS/CLS和訪問模式。

7）安全和準入

SSO：SAML/OIDC，角色/組的SCIM宣傳。
RLS/CLS：字符串/列級別的粒度策略。
PHI/PII/PCI：掩碼、令牌化、別名化。
審計預告片：誰看了什麼，應用了哪些過濾器，是否導出。
限制和保護：rate限制，查詢簽名，反打字。

8）多重性和隔離

邏輯隔離：密鑰中的「tenant_id」+RLS；快速啟動。
物理隔離：針對主要客戶/地區的專用DB/計劃。
內容模板：通過參數「一個行車-數千個租戶」。
Quotas/SLO：出口限制，刷新率，渲染SLA。

9）個性化和上下文

上下文過濾器：角色、地理、通道、用戶段。
保存的視圖和選定的行列。
建議/線索：「接下來要看看」，「今天的異常」。
Nudges：微型文案寫作、KPI背光、動作檢查表。

10）性能和規模

緩存：多層（查詢緩存，材料化查看，用於靜態圖形的CDN）。
教師：時間表單元，滾動單元，立方體/aggregate tables。
HTAP/OLAP：卸載OLTP和分析負荷；使用列式DBMS。
流媒體：通過Kafka/Kinesis+incremental upserts進行近實時度量。
前端優化：表虛擬化,lazy-load, debouns過濾器。

11）可用性和UX

零點擊洞察力：實體表/卡中的提示。
Drill-down/Drill-through：從KPI到主要事件的路徑。
Explained KPI：「被視為指標」、來源、更新時間。
可用性（a11 y）：對比，鍵盤導航，ARIA標簽。
移動：自適應卡，KPI圖塊，快速過濾器。

12）內容管理（內容平臺）

Dashbords和來源，草稿/出版物的反轉。
金絲雀分析發行，新圖形的特色旗。
控制公式和語義的更改（approval工作流）。
目錄/按指標、標簽、所有者搜索。

13）嵌入式分析師的貨幣化

票價：基本的KPI-免費,高級報告-在Pro/Enterprise。
付費插件：導出、API訪問、白標、上限。
B2B通道：合作夥伴/客戶訪問-作為附加服務。
縫合價值：分析作為核心產品升級的關鍵。

14）法規遵從性和監管性

GDPR/CPA/地方規則：法律依據，數據最小化。
訪問/刪除權：DSAR流程和「被遺忘的權利」。
存儲和恢復：按數據類型和區域劃分的截止日期策略。
數據本地化：存儲區域,跨境傳輸。

15）成功指標（示例集）

激活：活躍的分析用戶份額（WAU/MAU）。
參與：每個會話與小部件的平均交互次數。
洞察力速度：從事件到可用的KPI的時間。
業務效果：在轉換/還原中,降低了額定/收費率。

可靠性： 渲染服務,p95潛伏期,出口錯誤比例.

16）技術堆棧（變體）

存儲：BigQuery/Snowflake/Redshift/ClickHouse/DuckDB。
編排：Airflow/Argo/DBT/Prefect。
流媒體：Kafka/Kinesis/PubSub。
語義：dbt metrics/LookML/無頭 BI。
可視化：專有的React組件，商用/OSS BI引擎，大容量的WebGL圖表。

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

觀察力：Prometheus/Grafana/OpenTelemetry，對數聚合。

17）業務和支助

SLO/alerts：p95渲染<X秒，新鮮店面<Y分鐘。
Runbooks：消除數據降解，公式回歸，「紅色」行列板。
能力規劃：按小時/周分列的負載預測，出口限制。
事件政策：通訊，臨時存根，後太平間。

18）反模式

「圖形是為了圖形」：與用戶操作無關。
意大利面條度量：不同屏幕中單個KPI的不同公式。
缺少RLS/CLS：內容間數據泄漏。
OLTP中的大量實時查詢：生產性事務退化。
僅依賴iframe：不可逆限制的UX和控制。

19）實施路線圖（按階段）

1.發現：解決方案圖，JTBD，KPI最低，風險列表。
2.MVP：3-5個關鍵行車記錄儀，SSO，基本RLS，緩存/教學記錄。
3.Scale：語義層、目錄、版本、Headless API、導出。
4.支持和增長：目標提示，Alerts，A/B叠代，貨幣化。

20）發行前的支票清單

• SSO和角色在站立中經過驗證。
• RLS/CLS政策涵蓋所有店面和出口。
• KPI統一公式和數據詞匯表已發布。
• 數據的p95潛伏期和新鮮度符合SLO。
• Logi/Traces/Audit-Trail可用，Alerts已連接。
• 已驗證UX模式（drill-down、存儲的過濾器、KPI解釋）。
• 法律要求和改革政策是一致的。

底線：嵌入式分析不是單獨的「BI屏幕」,而是使數據成為動作的產品的有機部分。成功取決於語義質量，安全的多重性，渲染的速度，可持續的利用以及分析真正改變用戶決策的程度。