下面把宠物市场数据当成一只“数据宠物”，按档案卡、性格、优缺点来拆。 重点看它适不适合你，以及买数据时怎么少踩坑。
档案卡（体型/寿命/性格/掉毛程度/运动量/新手友好度 表格）
| 档案项 | 对应宠物数据 | 一句话提醒 | |---|---|---| | 体型 | 数据颗粒度：城市、门店、品种、年龄段 | 颗粒太粗，结论会虚 | | 寿命 | 数据时效：周更、月更、季度更 | 过期数据别当现况 | | 性格 | 口径稳定性：指标定义是否一致 | 口径一变，数字就变脸 | | 掉毛程度 | 噪音与缺失：空值、异常值多不多 | 掉毛多，先清洗再分析 | | 运动量 | 更新频率与覆盖范围 | 覆盖低，别外推全市场 | | 新手友好度 | 上手难度：有没有说明文档 | 没文档，慎买 |
性格特点（3~5个，每个配场景）
- 表面很稳：图表漂亮，趋势平滑。场景：你看某城市猫粮搜索量连续上涨，但背后只是关键词合并了。
- 爱过期：数据发布早，引用晚。场景：拿去年Q4价格看今年Q2促销，容易误判。
- 样本偏科：只覆盖一线或电商。场景：用线上销量推断线下门店，会高估。
- 口径爱变脸：同一指标前后定义不同。场景：“活跃用户”从月活变周活，数字看着涨了。
优点和缺点（双列）
| 优点 | 缺点 | |---|---| | 能帮你看趋势 | 口径不统一时容易误导 | | 能支持选址和选品 | 样本偏科时结论会偏 | | 能对比渠道和价格带 | 只给结论不给明细时难复核 | | 能辅助预算和投放 | 时间窗过时时会误导决策 |
饲养要点（饮食/运动/护理）
- 饮食：只喂能溯源的数据。来源、样本量、时间窗要写清。
- 运动：交叉验证。用两个独立来源比对同一指标。
- 护理：清洗与标注。异常值、缺失值、口径变更要标记。
- 体检：每月核对一次字段定义，避免数字悄悄变。
常见健康问题
- 口径病：同一指标不同定义，前后不可比。
- 样本病：样本量小或只覆盖部分城市。
- 时间窗病：用旧数据回答新问题。
- 付费病：只卖结论，不卖明细和计算逻辑。
- 合规病：数据来源不透明，引用有风险。
适合谁养
| 人群 | 适合看的数据 | 选购建议 | |---|---|---| | 新手 | 带说明文档的小样本报告 | 先练口径，别一上来买全市场 | | 门店老板 | 本地客流、客单价、复购率 | 优先本地时间窗近的数据 | | 繁育者 | 品种热度、区域需求、价格带 | 看区域明细，别只看总销量 | | 品牌方 | 用户画像、渠道结构、促销弹性 | 要能复算，别只看漂亮图表 | | 投资人 | 增长、留存、客单、渠道成本 | 要求两个来源交叉验证 |
买前问三句：样本量多少？时间窗多久？能不能复算？ 答不上来，就先别付款。