标签类目体系读后感
读标签类目体系，读后感，白话版
第一章，数据困局
数据连接起来才有作用，但是现在各个系统都是分赛的，数据库也都是分离的，我们需要创建一个数仓，装载下所有的数据库，把这些数据连接起来，这样我们就可以创造一些看板，帮助leader们看清一些事实，用于辅助决策。
数据开发需要集中起来，如果数据开发是分散的，那么数据指标的规则，永远都无法保持统一，因为每个小组都会定制出属于自己的规则，这并不是我们想看到的，我们希望用一套规则来覆盖所有的业务，这样可以节约很多的时间成本，人力成本。
第二章，数据资产发展的过程
1、数据库 = 由多个数据表组合而成
2、数据仓 = 由多个数据库组合而成
3、数据湖 = 由多个数据仓组合而成
什么是标签，标签就是key-value，现实生活中的便利贴就是标签
分类与标签的区别，分类是强制性的，是由软件的作者直接赋予的，你必须要接受；标签是非强制性的，你如果对分类不满意，可以基于标签创建自己的分类。
无论是分类还是标签，目的都是希望使用者可以有好的体验，可以快速检索信息等。
第三章，3个必须要达到的目标
1、具备评价能力（做了那么多的指标，目的不就是为了评价一切吗）
2、非常容易理解（客户容易理解，我们也可以少一些解释的工作）
3、数据可以被复用（主版本的当然可以复用，定制版就是无法复用啊）
1、 具备评价能力
2、 非常容易理解
3、 数据尽量可以被复用
第四章，理论知识，核心原理
说了下什么是道，没啥感觉，对此无感。
面向业务的数据资产组织形式，就是使用树的形式组织。
树 = 树根+树干+叶子
树根决定了这个树是什么树
树的枝干决定了分类
树的叶子决定了标签
ER模型，实体，关系
作者这里没有提ER模型，说的是什么关系森林，实体树，实际上就是对ER模型的另外一种讲解吧，算是他的个人理解。
如何栽种一棵数据资产树？
书中的记录就是人肉分析法，例如OE数据资产数，OE下有多少个枝干，有多少个叶子，那么就需要你自己去分析了。
如何创建出一片数据资产森林？
分析完OE，分析GitLab，分析完Gitlab，分析Odin，分析的多了，数据森林自然形成。
资产树的使用场景都有哪些？
1、 查询服务
例如：输入会员ID，显示出来会员详情信息，那么就是查询服务，其实就是SQL中的根据ID查询。
2、 分析服务
所谓分析服务就是可以通过界面上一些操作，可以选择字段，并对这些字段进行聚合，平均之类的操作，润乾有这种服务，但是这个东西很难用
3、 圈选服务
就是条件查询
第五章，设计方法
一、3个构建前提
1、统一数据思维
2、充分的前期调研
尤其是软件权限，软件使用
分析一个软件的最重要的，最基础的前提条件，你需要有这个软件的Root权限，你需要熟练使用这个软件，你需要连接到它的数据库，满足了这3个条件，你就可以开始分析这个软件了。
3、正确的落地思路
调研业务痛点
梳理客户数据
根据业务诉求，设计数据标签
梳理标签类目
二、6个设计步骤
有的不需要关注，我总计了下
数据化的事物表达，出最后的设计文档给研发，你最好是用SQL来描述这个事
数据类目体系的建设
标签类目体系的建设
前后台标签类目体系的建设
这3个步骤，主要说了下在不同的场景下，你需要设计出不同的标签类目体，其实标签类目体可以理解为思维导图吧，间接的证明了思维导图的重要性，然后说了下设计思维导图需要关注的点，就是使用者、物、动作（原文说的是人、物、关系，我这里做了更加详细的描述）。
第六章，使用技法与重要问题
标签方法建模，与数仓方法建模有啥差异？
这两个东西就没什么可比性，因为他俩在不同的层次，一个是在标签层，一个是在数仓层，标签层的东西是需要依赖数仓的dwd表，标签这个东西更加灵活，数仓层相对于研发周期会长一些
第七章，标签工具与经典模板
一、标签工具
作者描述了一个他心目中的标签系统的形态，有原型图
二、4个经典模板
这节的模板非常有参考的价值，自己要是创建的话，可以参考这些例子。
第八章，5个最佳实践
非常值得参考，自己做的话，可以参考它的结构。
第九章，价值、案例、经验分享
1.、7个价值
2、4个案例
3、3个点培养经验
总的来说就是需要复合型人才，需要懂业务，又要懂技术。（这TM的累死了）
