模型|从零建立赋能业务的数据中心「逻辑框架」( 二 )

根据业务场景，确定可以通过PowerBI在线报表的形式，为用户运营部门提供在线人群分层报表，并交叉零售行业常用的「人货场模型」及「指标拆解」作为策略分析工具。
（2）建模层
明确了落地的形式后，需要对背后的「RFM模型」和「人货场模型」及「指标拆解」进行数据层面的定义。

对于「RFM模型」来说，需要明确分层逻辑，具体包括行为周期、R/F/M的阈值计算。
对于「人货场模型」来说，在RFM模型已解决「人」层面的分析，需要进一步补充：「货」通过「产品结构分析」解决，「场」通过「活动周期分析」解决。
对于「指标拆解」来说，因为最终是交付给用户运营部门，所以需要尽量从用户的角度来拆解销售额，比如销售额 = 新客销售 + 老客销售，这样就符合业务关注的新客指标及老客指标。

（3）数据层
明确了需要开发的数据模型，需要对更细颗粒度的数据库表格及字段进行设计。

模型围绕着用户订单数据进行，所以至少需要订单表，包括下单时间、购买商品、购买金额、商品件数等字段。
另外，落地层提到用户运营侧的落地需要结合触达工具，所以还需要用户表，提供会员昵称、手机号、地址等字段。

2. 产品部门【模型|从零建立赋能业务的数据中心「逻辑框架」】（1）落地层
对于企业来说，产品策略背后的影响因素多且复杂，比如市场培育、公司战略等。也就是说，对于数据部门来说，做的新品分析或许更多只是辅助工作，供产品部门参考新品表现。此外，与产品部门沟通业务流程时，他们还提及日常还会用数据部门提供的表格做二次分析。
根据此业务场景，确定可以通过Metabase平台的形式做在线报表，业务部门能在平台上下载数据的同时，也可以在线做透视分析。
此场景其实为了介绍Metabase平台设计的，该工具在解决业务们自助取数，及简单BI报表方面很实用。可以先通过官网了解：www.metabase.com。后面会有具体的教程出来。
（2）建模层
明确了以报表形式提供新品分析后，需要考虑新品分析背后的表格模型，可以结合「存销分析」来实现，即分析新品的销售与库存之前的相关指标，体现新品表现。
（3）数据层
销售及库存相关的指标分析，需要用到订单表、库存表，除了用户运营提及的订单字段外，还需要货品批次号、数量等库存字段。
至此，我们完成了从业务需求出发，到落地层、建模层及数据层的倒推，形成了数据赋能业务的整体框架：

文章插图
（后续会丰富此框架）
四、从执行层面思考，把框架落地接下来，需要逆着第二步的思考逻辑，形成执行计划。
1. 数据层

建立数据库模型：从业务模型、概念模型到物理模型。
新建数据库，并从数据源（业务系统）接入存量数据。
通过存储过程同步增量数据，实现数据动态更新。
SQL SERVER代理完成定时任务：执行ETL、定期备份。

2. 建模层3. 落地层

RFM模型在PowerBI的部署落地
Metabase的安装及应用案例：存销分析

接下来会按照上述计划，逐步实现数据中心的落地。
本文由 @饼干哥哥原创发布于人人都是产品经理。未经作者许可，禁止转载。
题图来自Unsplash，基于CC0协议。