今天跟同事共同擔任一場企業內訓講師：「新零售營運資訊流（中台）與運用」。最後 Q&A 時，一位朋友提問：老師，從您接觸過的品牌，有哪些品牌有能力做到這樣的中台架構與數據分析？我的答案是：大多數的零售商都有條件，但多數都沒有這種思維與架構，或是不知道原來手邊的數據可以如此運用。
如果一個零售業有還算可以的 POS 系統，在進、銷、存的作業有確實執行，基本上已經滿足大多數零售營運數據的分析（business intelligence）運用。如果運用如 Shopline、91APP 等開店平台，具備會員、點數系統，更可以整合 POS 的商品主檔、訂單數據，進入 CDP（Customer Data Platform）分析會員的終身價值等分析資料。
問題是，品牌知道自己掌握了什麼？或是以為自己已經在進行數據分析？或者其實只是在「看數字說故事」？
先理解什麼是數據整理，什麼是數據分析。
數據整理，其實是「整理過去的結果」
「數據整理」是對過去結果的「整理」，其中最具代表性的就是「上個月各分店的銷售額」或「銷售額的每月變化」等。
很多人一開始的目的，就是想要進行各個業務單位銷售額的比較或掌握銷售額趨勢。不過，掌握數據之後呢？此時往往就失去了最基本的目標。換句話說，「為了追蹤最新發展而整理數據」不知不覺就成了目標，得到也僅是「上個月 XX 店銷售額最好」或「最近官網集客力下滑了」的結論。
用一句話形容，就是「現況已經掌握，報告完畢！」
數據分析，是「提取有用的資訊進行比對與挖掘關聯性」
「數據分析」的目的，在於深入挖掘所需的資訊。不只是單純掌握現有數據的特徵，還要從中提取可做為普遍性價值的資訊，也就是可以用在其他商品、地區、預測將來之類的通用資訊。
常用的方法是藉由兩種以上的數據組合，顯現單一數據無法看到的事物，一般稱為多變量分析（multivariate analysis，同時分析兩個以上變數的計量分析方法）。」
「數據整理」進展到「數據分析」的基本觀念是一樣的。藉由增加軸線，從兩種以上數據的關係找出訊息，而不是憑單軸基準來衡量。
因此，多數的零售業者每個月的月報，充其量只是「報告現況」，無法產生包括時間區段、營收、銷售量 & 商品，以及不同通路等各種數據進行相互的關聯性對比，也就無法看出在各種維度對比下銷售成績的「優劣」。如果無法判斷什麼是賣得好，什麼是賣得不好，自然無法進行有效的分析，更無法下一步的決策與應投入資源進行判斷。
數據中台是將被記錄的各種數字進行管理，變成可被分析的數據
以下面這一張圖來看。當消費者、顧客經由品牌官網或是門市與品牌「接觸」，各種瀏覽、互動的行為也被記錄下來，並且分門別類地把紀錄到的資訊，透過「中心」資料庫的模式分類與定義。再經由分析工具，將我們假設的各種情境，利用不同維度的邏輯與已經分類好的數字資料，進行趨勢、差異點、轉折點、行銷行為…等進行各種對比與多維度交叉影響，得出我們期待的分析結果。
或者更進一步，在分析結果中增加對於各個維度參數的變更互動，更有效地觀察與分析對於每一個結果的變因，以及可優化的假設策略。例如下圖可以觀察到自訂時間軸區間內的營收、獲利趨勢與轉折點，同時整合了每一個銷售模式分類、單一通路與品牌的銷售關係，對於需要快速掌握 P&L 的經營團隊，才能夠作為後續判斷的依據。
真的，從 POS 系統就能夠導出這麼多的數據，不再只是一大堆的「數字」。
コメント