背景：
由于搜索埋点数据过于繁琐，每次测试任务量巨大，导致统计方面的一些工作的不方便，单靠人肉diff工作量大且效率低。
- 生产环境老埋点丢失，大批量埋点回归测试耗时耗力
- 埋点从需求，开发，测试，上线这一整个链路中，参与的角色非常多，涉及到 业务、PM，数据PM，分析师，开发（客户端、服务端，数据）；
- 有4个端的埋点需要全量回归(移动端，h5，桌面端，web端)，多端埋点，开发不同，埋点的正确性和一致性难以保障；
- 埋点是非结构化数据，如果文档和流程不足够规范，埋点中就经常会出现“必传而未传”、“非空而为空”、“值类型不对”、“值内容不对”等情况。
埋点的核心目的是要采集用户行为数据，并对数据结果进行分析，进一步优化产品或指导产品运营工作，那么如何体系化的去保障埋点数据质量呢？
各厂商埋点上报流程
这里以神策埋点作为示例，我们从一个web埋点上报发送入库的流程中看一下，在什么节点中测试是最高效，工作量最小的。
从我们画的流程图来看，有2个关键节点，我们可以来做测试验证
1.上报后
通常在埋点服务较为稳定后，基本可以认为上报了就等同于入库了，所以可以只看上报。
2.入库后
在入库后去再去做校验，是更加合理规范的做法，会绝对保证数据的一致性、完整性和准确性。
埋点测试方法比较
收集整理了各种埋点测试方法，方式各异，大体上有以下几种，目标是一致的保证埋点不丢失不重复：
埋点自动化测试
由于搜索埋点数据过于繁琐，每次测试任务量巨大，导致统计方面的一些工作的不方便，单靠人肉diff工作量大且效率低。
现在开发一款自动化抓取埋点日志的工具，支持安卓苹果的全部产品形态，避免埋点多难以查找、分析困难等情况，辅助测试埋点 并今后结合自动化和脚本 设计埋点日志数据对比脚本，正则表达式判断部分key value，从而达到完全自动化的埋点检查，提升测试效率!
实践：
接下来的文章我们将一步一步带领大家完成 各厂商 的埋点自动化测试，解放你的双手，嗨起来，敬请期待！！
关注「测试开发囤货」公众号回复「数据分析」，送你一套 《深入浅出Pandas：利用Python进行数据处理与分析》教程！
