本文将通过简直案例来先容OneData的执行流程，继而先容阿里OneData数据体例中数据目标的解决和数据模子的策画，结尾再为民多讲数据看板的策画。
上一篇作品讲了《数据中台实战（一）：以B2B点电商为例叙叙产物司理下的数据埋点》，本文咱们先以一个例子实战先容OneData执行流程。接着再讲阿里OneData数据体例中数据目标的解决、数据模子的策画。结尾讲一下数据产物中，数据看板的策画。全是实战干货，看完本文你就会懂得数据中台最焦点的实质。
譬喻当时咱们运营提了一个对照有指引旨趣的数据目标叫爆款率，咱们以爆款率为例先说一下OneData每个次序执行的流程和涉及的脚色。
生意口径应当由数据中台的产物司理主导，找到提出该目标的运营有劲人疏通。最初要问大白目标是若何界说的，譬喻运营说爆款率的界说分子是是专场中商品出卖件数凌驾20件的商品数，分母是专场内的总商品数（专场如上图所示，商品会放正在运营职员组的一个一个专场内中）。
1. 这个20件或者是运营拍脑袋界说的数据，这时要协和咱们的数据数据判辨师看下史籍专场出卖件数的漫衍寻得最合理的值，然后和运营基于数据再沿途界说最终的阈值。假使史籍数据专场出卖件数大局限都远远凌驾20件那么这个目标就一起的专场都是爆款专场，就没什么旨趣了。
2. 商品的出卖件数凌驾20件，此中有一个非常有争议的字眼那即是出卖，若何界说出卖？是下单就算，仍是支拨才算？探讨不探讨退款？假使探讨退款是首倡退款就算仍是退款实践发作后再算？原本是有良多题目要探讨的。最终和运营确定为该专场支拨后的商品件数除以专场商品的总件数。
3. 出卖的商品件数是按商品出卖的件数仍是依照商品下SKU的出卖件数，这个是要搞大白的，或者运营不眷注这个事，可是影响到模子的策画。
统治完这些坑后合于目标的界说还须要问这几个题目。咱们统计的维度是什么？譬喻爆款率的揣测维度是专场内商品的维度，一个是要专场内，一个是商品，原子目标即是出卖款数。尚有即是统计周期，大凡统计周期分为按幼时、按天（当天）、按生意周（运营己方界说的统计周期）、按天然周周、按天然月月、按年，尚有即是截止到昨天也是对照常用。爆款率的统计周期是统计专场下手到完结韶华内的出卖件数。
不是一起的目标都有开垦的旨趣，由于后面你会展现咱们数据中台前期每做一个目标都市花费洪量的人力资源，因此必然要探讨这个目标的性价比，咱们参加这么多资源，或许给公司带来什么，要么直接和生意额合连，要么即是能俭朴运营同事洪量的事务韶华，俭朴人力本钱也是为公司省钱嘛。
譬喻咱们的爆款率是给商品有劲人看的，专场的商品是由商品运营职员组的，爆款率就决策这个运营职员的组货技能，组货技能强的商品运营必然是或许给公司带来更多的生意额。云云公司就应当多参加资源给那些爆款率对照高的那些运营职员。云云就很大白了，咱们的爆款率是给运营有劲人和商品运营看的。
别的咱们的商品运营会长韶华正在市集选货，那咱们团队决策把这个目标做成转移端可看，而且商品运营职员可能及时查看爆款率这个目标。
工夫口径是由修模工程师主导，此时数据中台产物司理要和模子策画师疏通所有目标的生意逻辑，别的即是要协和生意方的工夫开垦职员和咱们的修模工程师沿途梳理数据库层面须要用到表构造和字段。
必然要精准到字段级别，譬喻咱们的爆款率涉及到专场表、商品表、订单表、涉及的字段有商品的出卖款数（须要相干专场和商品表）、专场的总商品件数等字段。
这些字段都确定好后，就能发端定下来这个目标能不行统计，假使不行统计这时产物司理应当主动协和运营见知，而且还要告诉运营同事做了哪些性能才略统计这些目标，接下来即是协和生意方产物司理叙论是不是要做这些性能。
此时由数据中台产物司理主导策画原。