讀後感：累積超多會員，卻無法轉換成訂單、營收？少做 5 件事，行銷可能白費工夫！

1. 為什麼選這篇文章分享? 2. 作者為什麼要寫這篇文章? 3. 內容重點 4. 心得

為什麼分享這篇文章？

• Data-driven觀念建立

作者想表達甚麼？

• 何謂數據治理（Data Governance）
• 資料清洗（Data Cleansing）的重要性
• 如何做好數據治理

重點內容

為何數據治理（Data Governance）很重要？

• 「GIGO」（Garbage In, Garbage Out）

1. 數據處理得好是資產，處理不好就是垃圾。
2. 拿垃圾資料做數據分析，分析出來的結果還是垃圾。

• 數據治理（Data Governance）就是一切數據應用的根本

1. Before：顧客關係管理（Customer Relationship Management，CRM）
2. Trend：進階到要顧客數據平台（Customer Data Platform，CDP）

資料清洗（Data Cleansing）的重要性

• 品牌知道會員經營的重要

1. 品牌卻很常搞不清楚自己有多少會員
2. 大多數的累積會員數，都是一種自 High 的虛華指標

• 為什麼品牌會弄不清楚自己的會員數？

1. 有太多的會員是沒有意義的
2. 「會員資料是髒的」
3. 我們常常會遇到一些品牌，號稱有 400 萬會員
4. 資料清洗（Data Cleansing），最後留下可用的會員數，可能最後只剩下 100 多萬

• 什麼是會員資料清洗？為什麼會員資料會愈洗愈少？

確保「唯一性」

• 會員資料裡面，一個手機號碼有 3 個會員帳號，且每個帳號下面，可能最近都還有交易紀錄
• 這種原始的會員資料，就需要「清洗」，把重複的會員資料整併

確保「有效性」

• 很多會員的原始資料，只留下了會員姓名、編號
• 沒有手機號碼、Email、地址，完全沒有可溝通的資料(挑出來，備存在其他資料庫)
• 沒有任何可溝通資料，也沒有任何交易資料的會員，基本上就跟不存在一樣，僅讓會員數加一

確保「可驗證性」

• 有些會員資料雖然有手機號碼，但卻不是 10 碼，一看就很明確知道欄位資料是錯的
• Email 如沒有 @、@ 後面只有一個英文沒有「.」，都是錯誤的欄位資料
• 有些會員資料的生日是在填會員資料時亂填或櫃姐是亂 Key 的

確保「相依性」

• 有一些資料欄位之間是有「關聯邏輯的」。
• 例如會員性別欄位是「男性」，身分證字號欄位的資料開頭應該要是 1。
• 如果地址欄位填寫的是台北市，郵遞區號就要是 1 開頭。
• 會員現在的點數與等級資料，理論上也能透過交易資料回溯。
• 某會員為第三等級 VIP ，可近一年沒任何交易資料，如果不是有特別關係，可能是哪裡有問題

避免「資料誤差」

• 清洗完會員資料之後，開始做第一次快速的會員資料分析。
• 把所有會員的年度累積貢獻加總，依據每個會員的累積貢獻做排序
• 通常前 10 大的累積貢獻會員裡面，會藏有很多的驚喜)
• 例如某品牌可能平均會員的年度累積貢獻約 10,000 元，但前幾大可能都超過 1,000,000 元

1. 聯絡才發現，接電話的這個會員，可能是某個分店的櫃姐。
2. 這類的「超超超級大戶」，很多不意外都是特定櫃姐自己養的帳號。
3. 真正的超級大戶，是藏在櫃姐的口袋名單裡，品牌自己的會員資料庫，反而永遠看不到。
4. 這類並非由正常的會員消費行為所累積下來的數據，通常會造成整個資料分析的偏差，也要挑出來清洗

零售業最在乎的業績數字，很常是不準的！背後 4 大因素

時間差

• 以往零售業以實體門市為主，業績需要在關帳後回檔
• 有時因各門市檔案拋回時間的不同，造成不同時間看業績，可能得到的結果不同
• 增加線上購物的通路，買賣不再是單純的銀貨兩訖，會有一個相對負責的「訂單生命周期」
• 一張訂單會有許多的狀態，從成立訂單、到撿貨、出貨、到到貨後、鑑賞期完成等
• 因為一張訂單所產生的各種狀態，也讓業績的結算變得更加複雜

1. 不同的狀態就像數學上的不同單位
2. 不能把已出貨的訂單加上剛成立的訂單業績，得到的總業績數據的意義，會變成意義不明

狀態差

• 線上購物的訂單，消費者今天在網站上下單的這些業績，可以直接算進今日業績嗎？
• 一般來說，訂單成立之後只是一種預售(訂單有可能會取消、退貨)
• 真實要轉變成能結算成業績的訂單，需要到訂單真實撿貨、包裝、出貨後，才能落袋算成業績
• 如果取消退貨的比率平均有 20%
• 單純看每日線上購物的網站成交金額（Gross Merchandise Volume，GMV）
• 很容易跟老闆報告的業績數字，變成一個高 20% 的歡樂指標。

邏輯差

• 退貨的單怎麼結算？
• 如果退貨要「勾稽」回原來的訂單，那每個月結算的業績數字，會變成是「浮動」的。

1. 11/25 的訂單，12/5 完成了退貨
2. 結果因為勾稽回原來 11/25 的單，讓 11 月的業績結算了，卻隨著 12 月的退貨數字一直變動

• 為了讓業績好結算，今天退貨完成的單，就扣在當天，而不勾稽回原訂單。

1. 會讓當月的總業績，因為上個月活動退貨的數字，造成對當月業績的影響，甚至在經營上誤判
2. 甚至有時品牌規模小，還會因為某天退貨量太大，造成某天結算後總業績反而是負的情形

語意差

有時候光一個業績欄位，可能就有 10 幾種定義，計算的邏輯都不同

1. 含稅、不含稅？實際結帳金額？發票金額？要不要扣除點數折抵？
2. 業績報表上的總業績，到底是指哪一種業績呢？

不同通路的業績報表，沒釐清各自數字欄位的意義

1. 把這些通路報表的數字直接加起來變成總業績數字，很容易就算不準真實的數字。

數據治理（Data Governance）

零售業如何做好數據治理？4 個關鍵做法

• 所有數據應用都依賴「數據」本身

1. 從數據源頭開始的每一個步驟，到成為數據應用的產出
2. 都需要好好的管控，每一步驟都是數據治理所涵蓋的範圍
3. 從數據源到每一個數據應用，管理好流程上的每一步，才能創造最終的高價值產出

數據清洗

• 會員資料可能會有重複、資料的缺漏、資料當時輸入時的手誤等
• 在正式存入數據庫之前，都要進行「數據清洗」
• 確保數據的正確性、一致性、可驗證性、完整性、相依性等等。
• 不同的數據可能原始數據的格式不同、欄位的定義也不同
• 需要在匯入資料庫前，進行數據清洗，把不同定義不同格式的數據拉齊

數據定義

• 數據定義在完整的數據流中，是一個如同憲法般的存在
• 確立了所有數據清洗（input）、數據應用（output）的根本
• 每一個欄位數字代表的意義與內容，都要能保持前後一致
• 每一個單一個數字，從頭到尾都要帶著自己的名字，以及知道名字背後的意義

數據驗證

• 數據驗證是數據處理的 QA，如果數據處理的數據流是一條生產線，數據驗證就像品保
• 數據的處理過程中，會經過許多的運算加工
• 為了確保這些運算邏輯的合理性，就需要透過數據驗證來確保
• 數據定義是確保每一個欄位的內容與意義
• 數據驗證是確保數據在被計算的過程中，算法與邏輯的合理性

數據安全

• 數據要被安全地保存，未雨綢繆地進行異地備援。
• 數據的存取要被控管，除了基本的防火牆等軟硬體的保護，最重要的反而是人員的管控。

1. 誰可以存取這些數據？不同的人有不同的權限可以存取這些數據？
2. 存取數據的過程是不是都有完整的 log 紀錄。
3. 大多數都牽涉到組織對於數據相關人員的管理機制，需要有完整的 SOP。

個人心得

• 資料清洗（Data Cleansing）的重要性

1. 確保「唯一性」
2. 確保「有效性」
3. 確保「可驗證性」
4. 確保「相依性」
5. 避免「資料誤差」

• 業績數字，是老闆最在乎，但也常常是最不準的數字

1. 時間差
2. 狀態差
3. 邏輯差
4. 語意差

• 數據治理4 個關鍵做法

1. 數據清洗
2. 數據定義
3. 數據驗證
4. 數據安全