从用户角度看数据产品，用户有三类：看数据的人、用数据的人、组合数据的人。
- 看数据的人关注数据趋势和绝对效果；
- 用数据的人关注数据的涨跌和关联影响；
- 组合数据的人关注数据的定义、数据来源、输出目标；
从业务角度看数据产品，产品有6层：场地层（如下图灰色的倒角，意为在某种情境范围内）、交易层、顾客层、交互层、商品层、库存层。
几乎所有数据产品都可以抽象为“用户在某个场景与谁交换了什么东西”，交换的内容可以是精神层面的东西、可以是有实体化的产品、也可以是虚拟网络中的某种产物…最终我们都可以用上述6层关系解释数据产品的构成。
拿快消品为例，查看下图。对比两者，顾客视角的流程明显要比渠道的流程简单许多。在人货场关系圈中（各行各业都如此），越接近上层的流程越简单，越接近底层的流程越繁复。大部分行业的上层产品选择以最简约的方式为设计之本，将复杂的流程下沉。
当然，复杂流程下沉到底层，导致节点多、效率慢，还能否供给上层良性运作呢？
要知道，商品是多行业协同运作的成果。以帽子为例，从养羊剪毛、提取二元醇缩聚做高分子化合物，到纺织、裁剪、包装、物流、分装、门店陈列、销售等等环节，像链条一样一环一环紧密相接，这就是供应服务的网链结构特性。由于供应服务无法简单的跳出某道程序（除非科技革新引发某些程序缩短或合并产出），上下游在操作时必定会出现信息脱节、不透明等影响效率的问题（同时也影响了信息成本的大小，此题可以专门开一讲）。为了能够最好的修正效率问题，人类比较聪慧地将流程内容以可计算、可枚举的方式记录下来，当数据具备一定体量时，某些看似不可描述的管理制度、人性弱点、不经意间的行为等引发的错误或问题，能够逐步形成可以解读的规律与现象，研究和观察这类规律与现象能够帮助企业优化内部流程和对外协作的方式。业务数据产品恰恰具备了量化流程、计算数据、数据可读、数据分析好操作等一系列显著特点。
当你了解到消费者为何能购买到商品、渠道商又是如何能售卖商品的时候，回到前文所述的产品6层，你会发现，业务数据产品很难从某几个方面来诠释现象与问题。在过去，传统零售可以获取到商品、库存、场地三方面信息，互联网时代，补全了行为信息和顾客属性信息，但线下的行为数据和顾客属性数据依旧不容易量化。业务数据产品内的各个数据都要有出处、有回流。打个比方：某商品库存充足、部分属性的商品交互行为频繁，行为多由某类客群贡献，加之商品单价高，最终将总体销售额拔高。换句话说，如果单纯看销售额高、客流多，不足以对门店运作情况下好坏定论。
梳理业务数据产品的其价值点可以有以下表述：
- 概括结果：量化总体销售情况、量化总体客流质量、量化总体库存质量；
- 查看过程：销售变化、客流变化、库存周转、交互过程；
- 对比差异：指标在同期和近期的差异，指标在不同客群的差异，指标在不同门店的差异、指标在不同商品属性间的差异，指标在不同交互行为间的差异；
- 分析趋势：运用已知数据对未来趋势进行前瞻估计；
- 交叉解读：对比同行业或相关行业数据，参考已知结果，进行交叉洞察。
网友评论