因为升级后的数据参谋功能过多，增加了关联使用的难度，再加上数据维度的重复，数据统计口径不一致等问题，又加大了数据参谋的使用门槛。今天我就是要和大家一起理清这些功能的特性和关系，让大家在市场调研和店铺诊断中，能更加轻松地上手。
一、数据参谋数据特性
我们先按照上文提到的维度拆解，对阿里巴巴数据参谋全功能进行拆解。如下图，展示部分。通过我的整理观察，可以总结如下几个特点。
1、所有的功能数据可以分为行业数据和店铺数据
行业数据：阿里巴巴国际站全行业的数据，不涉及店铺本自身产生的数据，主要用于市场调研。
店铺数据：店铺在自运营之后产生的数据，通过对比同行数据和环比数据，主要用于诊断优化。
这里要注意的是行业数据跟店铺数据不是完全分离的，有些功能就同时包含了这2类数据。其实这正好跟我们店铺运营进程是配套的，只要在对应的阶段读取分析对应的数据就行。
2、所有的功能数据都有统计口径和储存长度的
所有的数据都有各自的统计口径，常见的有按照类目，地区，时间等;还有一些特殊的口径，比如端口(全部/PC/APP/WAP)，买家类型(进店/询盘/交易)等。这里要注意的点是数据联动分析需要保持统计口径的一致;有些功能的口径筛选位置靠前，筛选能变更全屏数据，但是跨屏浏览数据，会让人误以为数据是无法调整的。
数据有储存长度指的是平台可以查看筛选数据的最大时间跨度，最长的可以达到1年，最短的就是当天及时数据，大多数数据范围都在3个月左右。如果对店铺进行长期数据观察的话，那就需要定期摘录、整理、留存数据。
3、不同的功能数据的颗粒度不一样
数据颗粒度指的是数据的细化或综合程度的级别。细化程度越高，颗粒度就越小;相反，细化程度越低，颗粒度就越大。通俗的语言讲就是微观，宏观。不同颗粒度的数据没有好坏之分，根据不同的需求都能获取参考价值。
比如市场调研就可以通过纵深的方式，调研2级类目数据，选定红利大类，再深入到3级，4级类目，选定特定的品类;店铺诊断可以先比全店状况，再到比类目发现具体问题所在。
4、不同功能的数据之间呈现并列和递进的关系
部分功能数据是呈现并列关系。比如最核心的市场参谋，产品参谋可以在同一个特定行业，同一个统计时段内，同一层面内提取数据，即从不同的角度看数据。同时市场参谋的数据到市场洞察的数据又是从全球到国家递进的，即从远看再到近看。
掌握了以上数据的特性之后，我们就可以统一数据口径，纵向看数据，从全行业到特定行业，从特定行业再到细分类目;从全球到国家。再横向看数据，从人的视角看数据，从品的视角看数据，从词的角度看数据，从场的角度看数据。其中全球层面的行业-市场-品类-用词-渠道的数据最为丰富，这是大家可以作为基础的常用调研层面。而颗粒度更高的国别层面的-市场-品类-用词数据丰富度相对欠缺，可以作为更细致的补充。下面就正式开启我们数据参谋的市场调研之旅啦。
二、市场调研应用
1、纵向数据-货
全球-全行业：行业报告→行业简报;行业简报里面涵盖了，电器设备、礼品工艺品、机械、五金工具、纺织皮革、家居园艺、家具、建材、电子元器件等行业。其中包含的“出口金额最高的国家或地区”，“出口增长最快的国家或地区”，“搜索量来源最高的国家或地区”，“搜索量增长最快的来源国家或地区”等数据有非常重要的参考价值。