编辑导语：如今随着电商行业的不断发展，电商类的产品更是层出不穷，并且在商家端的数据也需要得到一定的管理，所以电商产品设计也在不断更新发展；本文作者分享了关于B端产品数据中心的设计思路，我们一起来了解一下。

数据统计是每个电商商家端后台的必备功能模块之一，作为产品经理，如何规划和设计相关的数据产品呢？本文主要结合某电商后台的案例，分享B端产品数据中心的设计思路。

一、商家对数据的诉求

商家后台的用户群体是个人或企业店主，最核心的需求是店铺装修、商品管理、物流发货、财务对账等B端产品功能，为什么都要包括数据中心的模块呢？

• 商家最想知道自己在这个平台的销售情况，每天有多少订单，多少销售额，多少利润，现在商家会在多个平台开店，知道平台的销售能力，才会更合理的分配资源和人力。
• 什么商品好卖，哪些商品滞销？
• 购买商品的客户都是什么类型，地区、性别、年龄几何？
• 进入自己店铺的用户，都是从哪些渠道什么方式进来的？首页还是搜索哪个关键词。
• 同行哪些商品热销，是否需要扩充品类、补货跟进。

当看到这个平台的商家数据中心的时候还是有点意外的，毕竟对于一个市值近2000亿美元，日活2亿+，商家千万+的电商平台，商家端数据中心的功能还是略显简陋的；后来想想，可能是一个强业务流程的B端产品(非数据产品)兼任设置的数据模块吧。

整个数据中心包括：经营总览、商品数据、交易数据、流量数据、服务数据五大模块，指标和维度也不复杂，可以满足商家最基础的看数据的需求，但是离数据赋能，还有一定距离。

1. 经营总览

目标：为商家提供能够衡量业务运营情况的总体指标概览，指标全面，覆盖指标体系的核心指标。

功能分析：经营计划、预警数据、交易数据、商品数据、服务数据、客服数据等维度的数据，T+1的离线数据，对比值为环比昨日，支持设置月度目标值，系统基于月目标计算年目标；点击指标可以跳转到对应模块的详情页面。

问题&建议：

• T+1指标的堆叠展示，只是满足了基础的“看数据”的需求，对于指标“怎么样”，只有环比一个指标。
• 纯数据展示，当前页面无法做交互分析，即切换日期看不同时期数据都不支持，需要跳转到对应指标的详情页面。
• 功能模块展示的优先级问题，第一模块是经验目标的完成度，然后是指标预警，第三是交易，目标用户是大多数的中小商家（头部商家可能有自己的数据后台），开过网店的人应该都知道，店主每天最关心的是生意怎么样，多少订单，多少交易额，多少营收，多少退单，或者支持不同用户群体的功能自定义也是极好的。
• 指标跳转交互太隐晦，缺少提醒或引导，一开始还以为纯静态页面不支持跳转，无意间点击某一指标发现是可以跳转的。
• UI界面并不美观，看起来过于简陋。

2. 商品分析

目标：从商品维度，看店铺访客数、支付订单，商品明细数据查询，以及热销商品榜单。

功能分析：包括商品概况、商品明细、商品榜单三个tab，商品概况分为实时数据和统计数据，实时数据展示截至当前时间的访客数、订单数、支付转化率等指标，统计数据展示指标比实时数据少一个，支持切换日期，指标tab切换查看指标趋势，指标趋势除展示店铺自身数据外，会展示同行业均值及优秀值。

问题&建议：

• 指标名称不一致，比如实时数据模块叫商品浏览数、统计模块叫商品浏览量
• 日期切换交互不直观，“日”是代表可以自定义选择某一具体的日期，难以理解，现在很多成熟的日期控件的交互方式，都是非常直观的，而且支持时间段的选择
• 指标口径不清晰，无处可寻，比如商品访客均值、优秀值，各自代表什么含义
• 商品榜单排序规则是按照比上周的涨跌幅排序，而对比上周同期这一指标，在整个数据中心其他地方是看不到的，这个排序规则平台固定，且有些随意。不同行业对指标对比值未必一样，比如旅游产品有明确的节假日属性，周六环比周五意义不大，一般会本周六比上周六，但其他行业不一定普适这个规则

3. 流量数据

目标：从店铺流量角度，提供店铺用户从访问到下单的指标数据，包括常规流量和店铺营销活动流量等。

功能分析：流量看板页面结构和商品分析一致，包括实时和统计数据，指标和商品数据也存在部分重叠，搜索数据主要店铺搜索整体流量数据，营销活动、拼单返现是从店铺活动角度展示的指标。

问题&建议：

• 错别字问题，第二模块“统计时间”应该为“统计数据”，和商品数据等其他模块保持一致性。
• 商品数据模块的问题在流量数据同样存在，不作赘述。
• 搜索流量：只是单纯的数据展示，给商家提供商品整体热搜度、热搜销售指数意义不大，更期待的是店铺搜索关键词，用户是通过哪些关键词进入店铺，关键词转化率情况，指导商家进行商品名称、SEO优化。
• 期待功能：流量来源渠道，比如是首页直接进入还是搜索、还是分享进入，以及从进店、浏览、提单、支付转化漏斗，指导商家进行运营改善。

4. 问题总结

交易数据、服务数据模块的问题和其他模块比较类似，对该后台数据中心模块的总体问题总结如下：

指标体系问题，把后台各个模块的指标体系梳理后发现，其实是缺少一个明确的指标体系在产品设计思路里面的，比如每个模块对于指标的重合与边界、指标同义不同名的问题

决策价值度低，目前的功能只是满足了看基础数据的“生理”需求，远远达不到赋能决策和数据化运营的更高层次的需求，比如如何基于流量分析提高客户转化率，目标用户群体特征，如何进行获取更多的进站流量；

产品交互问题，以数据展示为主，交互分析的能力有限，且存在日期选择、页面跳转、错别字等交互体验问题

实时和统计数据的边界问题，实时数据时效性更高，数据处理技术和所需要的资源都是不一样的，一般不会把所有数据都实时化；该后台把每个页面都分了实时和统计数据，看起来指标重复度太高，页面略显臃肿和冗余；很多时候的做法是把要求实时看的核心指标抽取出来，作为实时数据整体模块，而不是融合到每个页面。

三、商家数据中心产品设计思路 1. 指标体系梳理

指标体系是指基于业务流程和场景，把用来评价业务运营健康度的指标进行体系化，通过数据指标的 数据指标的分析拆解能够得出产品、策略、运营等各方面目前存在的问题。

体系化的指标则可以综合不同的指标的不同维度串联起来进行全面的分析，更快的发现目前产品和业务流程存在的问题，从而得出优化方向；非体系化的指标通常是单点分析，无法串联更多关联指标进行全局的分析评估；好的指标体系，加以数据分析思路的产品化，可以覆盖日常80%以上的数据需求。

指标体系的构建围绕业务经营过程，可以划分为交易、流量、用户、商品、服务、营销、竞对等不同领域的指标，常用指标示例如下图：

2. 数据中心产品功能规划

指标体系要求各个域的指标划分要做到相互独立，符合分类的MECE原则，而在数据中心专题分析的功能规划过程，要结合用户分析思路，做好指标之间的联动，此时会出行不同页面指标出现指标重复的情况；比如流量分析时，除了看UV、转化率，有时也会结合订单数、单UV价值、用户留存率等指标来评价渠道流量的规模和质量，以优化后期的渠道投放策略。

产品功能设计思路如下：

1）实时数据

提供重点指标的实时化展示，侧重指标的时效性，不要求面面俱到，一般应用场景是大促活动的实时数据监控、或系统稳定性监控，可以从各个域的指标中，抽取几个核心指标及分析维度。

实时数据的处理流程一般是OLTP业务系统业务状态如订单状态发生变更时，推送Kafka消息，数据处理端，基于Storm或Flink等实时数据计算处理工具，进行数据的逻辑清洗，形成实时指标，推送到Redis等实时查询性能优秀的存储介质中。

有人可能会疑惑，数据是不是时效性越实时越好，是不是可以都做成实时数据。答案是否定的，主要原因如下：

• 分析场景不同，实时数据是流式的，就像水流一样，来了一波就要采集计算一波，后期数据发生变化，不会去回溯历史数据，比如今天用户预定了一个要3天后消费的门票，3天后发现时间冲突去不了了，取消了。这个时候统计每日实时订单时，用离线的会更合适一些
• 资源消耗不同，实时数据的任务调度是分钟级或更低，而离线分析一般是每天只更新一次，那么更新一次和每分钟或几秒钟更新一次，对服务器集群资源的消耗完全不是一个量级的。
• 数据准确度要求不同，实时数据更多是要求更快的看到数据，数据准确度误差容忍度高一些，比如UV统计时涉及Count（distinct id）去重函数,正常去重方式耗时高，可能会采用约数估算的函数；而财务对账报表，则要求数据更加准确，不能有误差，时效一般是周或者月为单位，此时离线数据就更合适。

实时数据页面示例

2）经营分析

提供能够直观衡量企业/商家运营健康度的数据分析能力，要求指标覆盖全面，对维度拆分要求不高，一般先看总体状况，有需求时进一步拆分细化分析。

指标选择时，可以覆盖：交易、流量、商品、服务等各个指标域的重点指标，产品涉及过程，要和用户（如管理层等）做好KPI的调研和确认，原则是提供的指标对他来讲都是一针见血的，不是不痛不痒或相关度低的指标。

3）流量分析

提供店铺流量整体到细分维度的分析能力，帮助商家确定流量运营方案，如渠道投放策略优化、产品定价策略、商品名称优化等；可以包括店铺流量总览、渠道来源分析、漏斗分析、搜索词分析。

除提供数据展示功能、指标评价功能外，还要指导商家进行业务运营动作的调整。

4）商品分析

提供商品查询分析能力，从商品粒度看指标体系的各个指标，包括商品交易情况、流量情况、服务情况等，页面功能可以包括统计类的商品概况（动销率、在线商品数等），同时支持商品明细查询、商品排行榜。

5）用户分析

知彼知己才能百战不殆，企业关注用户量，这往往也是互联网公司拉投资的重要指标之一，而对于商家，更关注的则是可以清楚地知道什么样的用户会来买东西，营销活动可以更精准的进行广告投放。

该模块一般包括用户概况（店铺总体用户新老构成、复购率、用户数）、用户画像信息（地域、性别、年龄）、用户价值信息（生命周期、ARPU值、LTV等），用户画像模块不仅仅是简单的数据统计，还会涉及算法的挖掘工作；因此这一模块也可以作为付费服务，有需求和意向更强的用户，支付一定的费用。

6）市场分析

提供行业信息，帮助商家制定运营策略，比如同行热销产品，客户主要需求等，基于市场数据分析调整人货匹配策略。功能包括：店铺所处的行业位置分析、市场行情分析等。市场数据具有一定的机密性，因此商家也有一定的付费意愿。

3. 数据中心商业价值

除了一些满足商家日常看数据需求的功能外，还有一些可以为商家运营赋能的模块进行数据价值的变现；因此，可以采用基础数据功能免费，高级数据功能付费的模式。

• 实时大屏：比如对于头部商家，双十一、618等大促活动期间，会希望把各个平台的实时销售数据进行展示，以激励员工的斗志，或作为公关PR的素材，对于实时数据大屏展示，会有相应的诉求。
• 用户画像：帮助商家认识自己的用户，从而更高效地找到自己的用户，商家还是愿意为客户线索付费的。
• 流量分析：进站流量进行精细化分析，比如定位到每一个搜索关键词以及运营位，引导商家进行广告投放；对于部分商家不是不愿意花钱投广告，有时是他们不确定投什么广告有价值。
• 市场分析：电商平台有全行业的数据，可以提供非敏感的行业数据给到商家，商家支付部分服务费用。

电商商家后台的数据模块很多人会认为是个锦上添花的需求，能够满足基础的看数据的需求就可以了；反正商家在我们平台上，要有求于我的平台规模和流量，更看重的是用户群和卖货的能力，不会因为数据模块功能没竞品强就不用我；因此，在其他功能需求更多的时候，数据模块迭代的优先级就会比较低。

如果这样，数据永远只是一个附庸模块。

反之，若数据模块的定位是赋能商家，让“天下没有难做的生意”，则会投入更多的资源进行生意参谋类产品的迭代，数据赋能价值输出后，商家也会为数据产品买单。

对于产品而言，未必影响到战略层，但要做数据产品时，可以尽己所能，把产品做好。

作者：数据干饭人，微信号公众号：zhuangxiu1314，主要从事数据中台产品体系建设，包括：开发套件、数据资产、BI应用、精准营销平台、机器学习平台等。

本文由@数据干饭人 原创发布于人人都是产品经理，未经作者许可，禁止转载。