SaaS 样本数据收集：没有真实数据，MVP 很容易做偏

开场：假数据会让你低估真实复杂度

很多 SaaS MVP 用开发者自己编的数据测试。

字段都很干净，名称都很规范，流程都按预期走。等客户导入真实数据时，才发现缺字段、格式混乱、重复记录、历史口径不一致、敏感信息不能上传。

没有真实样本数据，MVP 很容易做成演示产品，而不是能进入客户工作流的产品。

先定义样本范围

不要一上来要客户全部数据。明确小范围：

• 最近 30 天。
• 一个团队。
• 一类业务对象。
• 100 到 500 条记录。
• 脱敏后可用于产品验证。

范围小，客户更愿意配合，也更容易保护数据安全。

写清字段清单

给客户一张字段说明。

字段不清楚，后面会大量返工。

脱敏要提前说

客户担心数据安全很正常。你要给出脱敏建议：

• 删除个人姓名。
• 替换手机号和邮箱。
• 模糊地址。
• 删除备注中的敏感信息。
• 用内部编号替代客户名称。

同时说明样本数据只用于产品验证，不用于公开展示。

检查数据质量

拿到样本后，不要马上开发。先看质量。

检查：

• 缺失字段比例。
• 重复记录。
• 时间格式。
• 状态枚举是否混乱。
• 是否存在异常极值。
• 是否和客户描述的流程一致。

数据质量本身就是产品需求来源。

用样本反推功能边界

样本数据会告诉你：

• 哪些字段必须支持自定义。
• 哪些状态需要映射。
• 是否需要导入预检查。
• 错误提示怎么写。
• 报表口径是否可统一。

很多产品细节不是讨论出来的，是从真实数据里长出来的。

不要长期保存不必要样本

样本数据用完后要处理：

• 标记来源和用途。
• 限制访问人。
• 设定保留期限。
• 按约定删除。
• 记录删除结果。

早期也要养成数据责任意识。

自动化数据质量检测

拿到样本后，用脚本快速扫描基础问题，比人工目测更高效：

import pandas as pd
from datetime import datetime

def audit_sample(df: pd.DataFrame) -> dict:
    """样本数据质量自动审计"""
    report = {
        "record_count": len(df),
        "missing_rate": df.isnull().mean().to_dict(),
        "duplicate_rate": df.duplicated().sum() / len(df),
        "numeric_outliers": {},
        "date_range": {},
    }
    # 数值型异常极值检测（IQR 法）
    for col in df.select_dtypes(include="number"):
        q1, q3 = df[col].quantile([0.25, 0.75])
        iqr = q3 - q1
        outliers = df[(df[col] < q1 - 1.5*iqr) | (df[col] > q3 + 1.5*iqr)]
        report["numeric_outliers"][col] = len(outliers)
    # 日期字段范围
    for col in df.select_dtypes(include="datetime"):
        report["date_range"][col] = {
            "min": df[col].min().isoformat(),
            "max": df[col].max().isoformat(),
            "future_dates": (df[col] > datetime.now()).sum(),
        }
    return report

将审计结果生成 Markdown 报告，快速与客户对齐数据问题。

样本数据驱动产品演进

样本数据不仅是 MVP 验证工具，而是贯穿产品全生命周期的资产：

合规与跨境注意事项

• GDPR：欧盟客户数据需在收集前获得明确同意，并提供「被遗忘权」删除接口。
• 网络安全法：中国境内的个人信息和重要数据原则上应境内存储。
• 行业规范：医疗 HIPAA、金融 PCI-DSS 对数据脱敏和传输有额外要求。
• 合同条款：在样本数据请求模板中明确「数据使用范围、保留期限、销毁方式」。

落地建议

为每个试点客户准备一份样本数据请求模板，包含范围、字段、脱敏规则、用途和删除承诺。

SaaS 从 0 开始，真实样本数据能帮你少做很多错误假设。数据越接近现场，MVP 越不容易跑偏。