在日常工作中，數據可以幫助業務人員更好地了解業務現狀，并針對數據反饋進行策略上的調整。而就品牌數據而言，主數據則是其需要重視、卻往往在維護或管理上都不到位的數據類型。這一數據類型都包含哪些細分類目？一起來看看作者的分析吧。

這里根據過往的一些項目經驗，整理了一下品牌現有的一方數據。因為行業不同會有一些數據特性上的差異性，這里簡單跟大家分享討論一下。

下圖是總結一方數據的幾個種類（可以獲取到個體級別的數據）。如果有遺漏后面再行補充。

作為第一部分先簡單地聊一下主數據。

這部分的數據往往不被品牌重視，所以維護或是管理通常都不是很到位，甚至一些品牌誰來維護這些數據都沒有清晰的歸屬。

這類數據其實是所有數據的基礎，可以大大地減少其他數據應用時的冗余信息。而且在進行業務場景分析時可以便捷地拓展需要新增的維度。

一、產品主數據

各類主數據中最重要的肯定是產品主數據。這類數據記錄著每個產品的基礎屬性，不同的行業也會有一些特殊的屬性字段。根據數據質量這里暫時分為3個階段。

第一個階段，產品主數據最少要有兩個字段，產品ID和唯一產品名稱。

其中產品ID一般是唯一主鍵。有些主數據亂的品牌可能有多份產品主數據，對應不同的系統（POS、天貓、CRM等）。這類問題一般是品牌數字化前期沒有主數據的概念，每個系統都制作了一份系統涉及到的產品，和全量的產品相比會有一些缺失，并且各自更新自己用到的部分。后續可能需要在產品主數據里面合并該產品在各個系統里面的ID是什么。合并以及維護都有不小的工作量。

第二個階段，產品主數據會有若干層級清晰的品類定義，從這里開始，業務定義的重要性就會越來重。一般來說三個層級會比較合適一些（美妝-面部-基礎粉底，甜品-蛋糕-紙杯蛋糕），一些特殊的行業可能會多一些。

這些品類定義一般是行業通用的，根據品牌的特性做針對性的調整，后續可以直接做成對應的標簽圈選人群。例如近半年購買過超過3次美妝產品的客戶，近三個月購買過基礎粉底的客戶等。

同時這類維度也可以直接轉化成銷售Dashboard的維度指標，結合訂單里面的渠道維度，可以了解各個渠道不同品類的銷售趨勢。當一些品類快速增長時，可以盡早地發現并調整品牌策略。

第三個階段，產品主數據會補充一些可用于結構化分析的屬性維度。

例如食品類的產品還有規格（2*15g，4*16個等）、口味（香草、藍莓等）、新品、季節性等屬性標識。

這些指標可能有些品牌一直都有，但比較混亂，部分產品字段有缺失，沒法直接做數據分析。當然一些屬性可能會變化，例如新品標識，這類標識放在訂單會可能會更合適一些。

這部分拓展字段之前品牌并可能沒有很重視地去進行管理，但是現在品牌期望從數據中得到一些產品屬性層面的建議，卻發現維度不夠豐富。這類屬性只要有明確的邏輯還是比較好補充的，例如根據規格判斷產品種類是自用、囤貨或是送禮，根據口味和季節性判斷嘗鮮產品的喜好人群。這類拓展的維度就要看行業特性以及業務側的需求去管理了。

二、套組主數據

這類主數據不太好維護，一方面是因為套組的內容經常會有調整，有些品牌會沿用之前的套組ID，導致不同時間段內，同一套組ID內的產品不一樣。另外一方面是因為這類數據往往并不是品牌的人員直接維護，一旦趕上有活動忙起來，信息沒空及時地同步給相關人員，基本都是在用的時候才去找相關人員補充信息。

套組數據在實際應用中也是比較麻煩的，一方面不同套組的業務目的不太一樣，有的是節日套組，有的是為了清理一些庫存，有的是為了給目標產品引流。這類業務信息通常都不會在主數據中體現。

另外從分析的維度來說也比較難以拆解。僅僅是套組之間的比較最終也要歸因到單品上，數據更新的及時性和準確性的要求就會很高。

最復雜的肯定就是金額的拆解，如果只是拆解到人還比較容易處理。比如說一個200元套組內含有品類ABC三種產品，那近30天有購買過系列的人群三種就可以各算1，購買件數也可以比較容易拆解。

但是如果需要分析的人群是近30天購買品類A的金額高于100元的人群，那這個套組內個各個產品應該算多少。有些品牌可能套組是單獨計算的，也就是品類相關的訂單不計算套組的產品金額，套組為一個獨立的品類（套組金額占比不高）。

當然最客觀的算法應該是根據套組內產品定價的比例去拆分金額，但在一些特定的業務目的場景下就不太合適了。比如說為了主推產品A設計了一份包裝禮盒，里面其他的附屬產品其實都是以贈品的形式包含在內的，在計算金額的時候品牌可能也會更傾向于都算在主推產品上面。

套組的計算邏輯感覺沒有一套全行業完全客觀公正的方法，需要根據品牌特性主觀地確認一套拆分邏輯，這樣后續在使用或分析相關數據的時候才能保持前后邏輯的一致性。

跨品牌套組

跨品牌套組指的是，一個套組內有一個集團下多品牌的產品，遇到的問題其實和套組遇到的問題是類似的，但本質卻是集團內部架構特殊情況的體現。套組的業務目的就有可能延伸到集團層面，也可能是大品牌帶動小品牌的初期啟動。在確認計算邏輯的時候就要涉及到多品牌同時溝通確認的問題了。

三、門店主數據

這類主數據一般是針對有線下門店的品牌，不過現在因為都在做omni-channel的數據合并，所以也會將線上門店包含在門店主數據內（天貓、微商城、官網等）。

基礎類的門店主數據包含門店ID和門店名稱，同時會有具體的地址、所在城市、所在省份的信息。除此之外，根據品牌業務的定義會再進行精細的分類。

向上細分會根據城市做二次分類，有的根據地域（華南、華北），有個根據城市經濟水平（一線、新一線），有的則有自己的重點城市（重點城市，非重點城市）。

這類的分類往往會結合內部的業務情況，制作成日常的報表或Dashboard展現各個地域的銷售情況，也會去幫助判斷消費者的活躍城市。

向下細分則會根據門店所屬的商圈，小區數量，客流情況進行分類（例如步行街、城市商圈），同類型的門店也會橫向比較，針對一些表現稍差的門店也會做一些深入的調研分析。

維護這類數據主要的難點是開閉店的狀態往往更新得不及時，導致一些計算類的指標會受到影響。再延伸一下到標識門店內是否包含一些特定的服務項目信息（例如保養體驗或是否支持外賣等），這類特定功能的變動往往也有一些更新滯后的問題。

四、導購主數據

最初導購類數據是為了幫助門店統計各個導購帶來的銷售金額，以評估各個導購的表現?，F在因為多了企微名片、企微群這樣的觸客渠道，將導購帶來的數據從銷售延伸到了售前階段。這類數據的應用暫時還是比較傳統。后續在企微部分再做深入討論。

以上是針對項目中常見的一些主數據的介紹，后續有補充的會再行修改。

當然這也肯定不是全面的介紹，每個主數據的細節也會因為行業有不同程度的差異，特別是一些業務邏輯或業務側重點也會在主數據上有所體現。歡迎各類討論共同學習。