哪里买数据（消费数据从哪获得）

　　编辑导语：数据，对于任何平台或者企业来说，都很重要。无论是想要做出一些营销决策还是调整新产品的发布策略，数据的收集和分析都是必经的一环。对于医药O2O电商平台来说，得到权威而又准确的数据，尤其是药品和病症之间的关系数据源，显得尤为重要。
　　本文复盘一次药学服务数据购买的案例，呈现当时的处理方式和遇到的问题。
　　该＂买数据＂案例，发生在做医药O2O电商平台，药品这一特殊的电商商品，其＂健康属性＂，可以作为附加值提供的载体。如，卖药的同时附加提供健康服务，以药学服务拉近＂人货场＂的温度，打造线上线下产业化新零售生态。
　　药学附加服务，无论是用药指导、寻医问药，还是患者画像之类的，前提都是要有药品-病症之间的关系数据源。
　　这个数据即要权威准确，又要通俗易懂，兼顾科学化和网络大众化。市场上单纯的医药数据，或单纯的药品商品数据，都不难获得。难获得的是，针对医药电商人群和故事场景下的医药健康的资料。
　　本案例涉及到的内容清单：
　　一、前期需求分析1. 分析需求
　　基于项目规划，将本次药学服务的需求场景，归纳如下：
　　这就要求，数据中起码涉及这些字段：用法用量、功能主治、适用人群、禁忌不良反应、服药周期、治疗的疾病、疾病的症状、疾病说明等。结合业务场景，可以勾勒出这样的简单的关系图：
　　2. 确定核心要素
　　根据以上需求，我们可以得知 ＂药＂、＂病＂、＂症＂ 三者最为核心，关系如下：
　　且三者为多对多关系，如下：
　　3. 评估数据量级
　　常规药品的数量，达到6万种（SKU）。
　　药品基本都是单规格的（不同含量视为不同规格，不同含量不同的申报，业内视为不同的商品），因此大约要准备接近这个数字的药品资料，才能保证覆盖面。
　　总结：至此，从需求要素、核心内容、需求数据量范围，描绘了拟获取数据的轮廓，作为寻找数据源的验收标准或参考。
　　二、调研获取数据的途径
　　我们的目标数据，是客观标准的基础数据，不是运营产生的数据。因此权威性、客观性最重要，那么如何获取呢？
　　1. 假如自己维护？
　　请专人、找到药盒、翻阅药品说明书、录入、再翻阅医药词典类数据、对应整理疾病信息……平均一天一人最多搞定100条，算下来6万就要很久。
　　显然来不及且成本不菲，并且没有验证的数据也不敢用，这条途径pass。
　　2. 爬别人的数据
　　药品信息在药监局官网比较权威，但是上面没有疾病方面的，甚至连条形码都找不到（备注：条形码，国内就是69码，唯一标识商品，13位、12位或8位数字组成）。
　　爬取其他网站，也曾尝试的，结果不是不准确、不齐全，就是不成功，这条路也走不通。
　　3. 购买数据
　　购买数据比起爬数据要正规些，咨询了京东阿里和腾讯丁香，人家都不卖。这些公司是要自己做数据服务的，也不差这点钱。
　　咨询了药房网、135网，没疾病方便的可靠数据，这时候业内人事推荐了一个叫＂YA＂的公司，在做药学服务，就决定深入商谈。
　　三、拿到样本数据
　　经过洽谈，对方提供的是一批EXCEL格式的样本数据。大概的表有14个表格，数据拿到之后，进行初步验收。
　　1. 比对E-R模型
　　他们的数据是mongdb存储的，首次抽离出来数据来卖，所以数据在表结构和表数量上有冗余。通过其表结构，绘制出E-R图，基本与需求符合。
　　2. 竞品横向对比
　　在检查样本数据的过程中，也在做替代方案的对比。
　　制定检验要点是：单表数据的错误率、联表查询的匹配率、市场数据的覆盖率、错误修复时效等。从网站或App寻找同类产品，但都有各种问题，最终还是舍弃了其他选项。
　　3. 远程全量检查数据
　　在未付款情况下，对方不提供全量数据。
　　由于样本有限，为了进一步了解数据，协商采取远程查数据库。对方在数据库中进行了单表验证和联表查询操作，我方远程观看，并记录检查结果。
　　远程的操作毕竟是不便，只交叉抽样验证了部分数据，当时估计出的准确率是93%——这也是决定继续洽谈的主要参数。
　　四、付首款并拿到全量数据
　　接下来的流程是谈价格，价格谈好就可以打包出售数据。
　　我方压价的论点主要是：疾病方面的数据不到一万条，买回后仍需补充的人工成本；非独家买断，可以复制销售，卖家边际成本很低，内容质量不高。
　　口头说的是由执业药师团队和药师专业、中国非处方药物协会药师进行审核。但是并拿不出证据，最终得到了折扣，拟定了全量数据验收的合同。
　　当时的合同内容比较简单，草稿截图如下：
　　合同签署后，拿到了全量数据。
　　双方约定一周的时间进行数据验收，验收无误则支付尾款。因为数据的敏感性，由专人以邮件压缩包文档的方式接收。然后存入堡垒机中，其他参与验收人员通过堡垒机进行检验。
　　1. 研究数据的质量
　　检查数据的合理性：也就是数据在逻辑机构上的是否有缺陷。
　　数据的关联度：采取的是手动在EXCEL上比对，并导入数据库后程序员SQL查询相结合的方式。基于对基础数据的了解，制定了检查方案，局部如下图：
　　2. 检查数据的权威性
　　这一点需要专业药师或药学人员参与，我们采用的是抽样调查的办法，比对的标杆是药典的权威资料，考察的对象比如＂阿苯达唑＂的服用时间、用药禁忌等。
　　3. 数据的覆盖率
　　采用的办法是，指定20个常用药物（比如对乙酰氨基酚），看是会否能查到全套的资料，得到的结论是数据并不理想。
　　比如：用条形码匹配已有的商品，发现有1579个找不到，占比20.87%；再用这1579个的通用名查找，仍有147个仍找不到，即绝对找不到的比例1.9%。
　　4. 数据的冗余性
　　很多表都是从MongDB转化过来的，所以表之间的结构不合理。最终14个表，也就有7个表是有用的，其余的多是过度表（初步验收时候虽然也发现了）。
　　5. 双方交涉
　　其实大家看得出，全量数据的检测结果不理想。
　　主要发生在，表结构不合理；数据存在错误、一些名词在各表中的表述不一致等。但是这个时期，合同的约定并不利于买方，因此只能继续往前。
　　我们在一周内输出了问题清单，抠合同字眼，寻找有利的机会，然后责令对方将数据清洗后重新交接。
　　五、数据购买后的应用规划
　　在经历5次数据交付后，双方法务协商一致，进行了价格的调整，最终完成了交易。
　　如果把验收当做一次项目，那么虽然项目做的不太漂亮，但是数据还是有价值的，是可用用的。
　　数据拿到了，技术层面进行应用规划：第一步，元数据检查和清洗，将14个表，抽离成整洁的新表；第二步，指定底层服务逻辑，以作为数据中台，供应用端接口调用。
　　比如：
　　第三步：对接具体业务场景，输出具体方案（此处略）。
　　六、总结1. 本次数据购买主要涉及三方面产品角度的需求锲合度；医药专业角度的数据权威性；法务层面的合同约定项：其中后两点都没做太好，尤其是法务方面，这导致了全量数据拿到之后的进退两难。
　　但是项目自身也存在局限性和难度：比如数据量大，很难发现细节问题；缺少标杆，自行推敲只能抽样调查的方式；数据的价格方面没有固定的标准，难以拿捏。
　　2. 数据购买带来的经验教训自身对数据的需求范围和目标明确；了解卖家，和卖家数据的影响力；应当在购买之前，应该了解还有谁买过或者用过，调查口碑；在于对方接洽之前，准备充分的行业和技术方面的验证标准和计划；制定基本的项目步骤，比如：前置研究、评估成本、购买谈判、后置约束；在拿到全量数据之前，应当充分采取远程调查的手段，挖掘对方数据的漏或者不足，以作为合同约定和议价的前提；在合同签署中，更多约定对＂隔皮断货＂的风险的鉴定标准和卖方的责任。这个份文档一定要提供给行业专家、法务，以便将来拿到真实数据之后，可进可退；合同中要约定验收过程问题的处理办法，验收成本谁来负责，验收不通过的最大次数等。
　　#专栏作家#
　　唧唧歪歪PM，公众号：唧唧歪歪PM（ID：jjyypm），人人都是产品经理专栏作家，2019年年度作者。《后端产品经理宝典》作者，药学硕士转行互联网产品多年；熟悉跨境电商业务，医药领域；擅长大型后台体系，社交APP。
　　本文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