消費行業中的資訊系統/一般流程
資訊系統重構案例研究 - 行業 — 資訊系統重構案例研究 - 零售 — 方法論簡介 — 一般流程 — 工業流程 — 零售流程 — 結論 — 附錄 A — 附錄 B — 參考文獻
現在讓我們分析兩種方法中都存在的流程。
在這個過程中，系統是“公司 - 潛在客戶”的環境，客戶是其需求的擁有者，或多或少是意識到的。該流程的目標是與公司共享此資訊。
為什麼我們要試圖感知需求？答案在於對他人需求的不可知論方法。我認為公司的作用不是相信自己是真理的保管者，而是成為提取和解決客戶請求的工具。
誰參與了需求感知過程？三種類型的人員參與其中：擁有需求的人（客戶）、收集需求的人、傳遞需求的人。
客戶感受到需求，是明確提出請求（需求驅動）或擁有隱性需求需要提取（供給驅動）的人。
我們可以將客戶歸類為
- 熟知客戶，通過歷史關係瞭解的人（積分卡等）；在這些客戶中，我們尤其關注在整個客戶群的代表性方面具有統計學意義的客戶。
- 未知或隨機客戶
- 潛在客戶：其中包括我們認為是產品目標群體的人，瀏覽店面的人或進來但沒有購買任何東西的人（潛在客戶）。
很明顯，對這三組客戶有不同的營銷策略：在第一種情況下，我們希望留住客戶並增加交叉銷售或追加銷售。在第二種情況下，我們希望讓客戶忠誠，在第三種情況下，我們希望降低進入壁壘。
收集客戶需求：我認為我們可以識別出三種類型的人，第一種是工作是“感知”更廣義的市場（社會、各種環境）的人，有時他們被稱為“酷獵手”或偵察員。第二組由與零售商合作的代理人組成：他們的視野比單個零售商更廣闊，但比偵察員更狹窄、更精確。最後一組是由實際與特定客戶接觸的銷售主管組成，因此他們對有限的請求有明確、明確的瞭解。
傳遞資訊：說這些人與收集資訊的人相同很容易，但在我的經驗中並非如此。此功能通常被視為次要工作，因此被委託給另一個人，一名助理，在空閒時間完成，甚至更糟的是，被隱藏起來，被認為是個人資產的一部分。這種態度意味著傳遞給公司的資訊質量大大降低。
什麼是需求，客戶在尋找什麼。讓我們從對這個維度進行三值分類開始
- 明確需求：對特定物件的具體請求（雨衣、風衣），可能與新環境有關（例如，滑雪者的長手套）。
- 半結構化請求：比前者更籠統，但不太精確。一個可能的例子可能是“類似那件夾克，但領口周圍有毛皮”或“稍微長一點或短一點”。這類請求主要涉及產品，通常以符號、非語言的方式表達，因此很難收集和傳遞。
- 地理或情境需求：與文化或“魅力”趨勢相關的特定顏色，而不是低調。這些是難以接收和使用但包含豐富資訊的客戶需求示例。
在這個維度中，我們實際上只分析了產品需求，我們也可以對其他層次的需求（內在尊重、社會和自我實現需求）使用相同的詳細程度。據我所知，沒有關於這個主題的研究正在進行中，這個主題似乎非常有趣，而且很大程度上是未知的。
在哪裡：關於需求發生的地方。需求的“位置”和需求類別（明確、半結構化或情境）之間肯定存在關係；我們可以識別
- 商店：這些是明確與客戶互動的地方，涉及結構良好的需求。這是一個非常重要的資訊資產。
- 櫥窗或商店路線：我們正在談論沒有明確互動的潛在客戶，這是一個非常重要的非結構化資訊資產，很難捕獲和分類。
- 競爭對手：我們透過競爭對手提供的產品來觀察客戶需求；就像觀察解決方案並試圖猜測問題一樣。當競爭對手能夠接觸到我們無法接觸到的情境時，例如遠方市場，這變得很重要。
- 一般地理分佈：最普遍也是最難分析的情況；例如，您可以考慮時尚行業中沒有公認的分類法的事實。
至於資料的收集和儲存定義，問題現在正從技術問題轉移到公認的資料語義定義。
如何。要了解如何感知客戶需求，讓我們考慮這些需求是如何顯現的。我們可以想到三種外部化方式
- 像對銷售員的明確請求這樣的有意識的個人需求。
- 像拿起一件衣服、看看它然後放回去這樣的無意識的個人需求。
- 像一種新的“時尚”這樣的社會需求。
我們如何感知這些需求：對於每種型別，我們必須想出一個方法來定義基本資訊（狀態），因此我們需要
- 銷售支援工具，包括實際銷售和錯失銷售。
- 情境分析工具。
- 競爭對手分析工具。
- 社會趨勢分析工具。
特別是在談論第一個流程時，我們必須非常謹慎地對待易用性和工具的精確性，因為實際的操作員有時在“正常”情況下工作，有時在“銷售”或“高峰時段”等變化的環境中工作。另一個需要考慮的主題與我們正在收集的資料的意義有關。
- 觀察到的客戶的行為是否像一個無知的人？
- 我獲得的資料是否受到收集過程的偏差？
目前，我認為這些可以被視為比現在沒有資料更小的問題。
Last but not least there might be a problem on context bias: if we collect data in a luxury shop we shall have a “luxury” view of the problem, same thing for a low income customer environment. This obviously becomes a problem in inter-class analysis while it is not so bad if the company target is parallel to the sample set.
何時我們收集資訊並使用它們？
使用我們剛剛定義的資料模式，我們可以說
- 地理或情境需求位元定產品的時間範圍更長；可能是幾年。
- 半結構化請求主要提前幾個月，從一個季度到另一個季度；它們似乎比今天接受的“上市時間”略短。
- 明確需求通常具有直接性；理想情況下，應在需求出現時立即做出回應。
資料收集時間肯定與需求的性質和時間範圍有關，但我們可以將其大致釋出在銷售期內，並考慮對訊號強度的大量時期依賴性。
Usage is again related to the class of need and has a strong period dependence the shorter the horizon is.
應該收集多少個訊號，它們應該有多重要？
這是一個三方面的難題：方法問題、測量內容問題和參考值問題。
讓我們面對方法問題：如果客戶在看到一件衣服時感嘆“漂亮”，那麼變數“美麗”的統計方差等於變數本身的值，因此資訊不太可靠。棣莫弗定理告訴我們，樣本的方差與總體樣本的方差之比等於樣本維數的平方根的倒數。四個人說“漂亮”比一個人說“漂亮”可靠兩倍，並開始具有統計學意義。
至於我們想要測量的變數的內容，它們必須允許您建立預測模型，因此它們必須以目標為導向。讓我們舉個例子：全價期間和促銷期間的銷售週轉率。如果我們在單品牌店進行這種分析，那麼它將成為不同類別之間價格正確性的指標，因為產品供應保持不變，只有價格發生變化，因此如果褲子的銷售百分比增加，這意味著人們認為褲子太貴了。如果在多品牌批發商中進行相同的統計分析，那麼這可能是“品牌之間”競爭的指標。
最後一個例子介紹了第三個問題：測量變數的值必須與其上下文相符。一家大型皮草公司在一段時間內銷售量大幅增長，就犯過一個大錯誤。這主要是因為一個大型競爭對手的問題，但訊號被解讀為增長趨勢。事實上，該公司沒有考慮到整個皮草大衣市場處於穩定/下降的狀況，因此漲價應被解釋為暫時的現象。
因此，這一維度可以概括為收集關於重要變數的“良好”資料並將它們放入正確上下文的能力。
方法和工具：從操作的角度來看，資料的收集是一個非常困難的過程。
- 定義的需求，正如我們所說，這些需求只存在於已知客戶的特定地點。幾乎所有銷售點都有用於操作流程的工具（庫存流動、發票、現金核算），其中一些產品還具有有限的 CRM 功能，主要用於售後服務（積分卡、召回）。其中一些還提供支援銷售計劃的選擇，既從預算角度，也從空間/路徑分析角度。據我所知，沒有針對請求和漏單分析的通用解決方案。
- 與偶爾或未知客戶相關的半結構化請求。在我看來，這是一個未被覆蓋的領域，因為沒有可用的特定工具。我讀到過顧客佩戴 RFID 手環以追蹤他們在銷售大廳內的路徑的經歷，但似乎已被放棄（我不喜歡）。除了隱私問題外，用於人物識別的影片分析尚未完全可用。
- 地理或上下文需求：這是一個巨大的且極其有趣的資訊問題。它與分析社會開放空間以獲取可能出現的“趨勢”訊號的能力有關。據我所知，目前還沒有類似的東西。一個有趣的方法會考慮電視和電影的圖片：它們受到服裝導演選擇的偏差，但可以越來越多地進行分析，直到演算法給出可接受的結果。
在這種情況下，要考慮的上下文系統是公司，流程目標是將營銷部門感知到的資料與設計、工業化、生產和物流部門（工業）或採購部門（零售）共享，這些部門是提出公司現實解決方案的人。
為什麼：這個流程的存在與將一般資料轉換為公司可用資料的需求有關；我們需要將上下文事件翻譯成內部的可用語言。
誰：人員可以作為流程和狀態定義資源參與到這個流程中。正如我們稍後將討論的（如何），方法可以多種多樣，這意味著不同參與者的相對重要性也大不相同。回到不同的角色，我們可以指出
- 提供資料的人員與收集資料的人員相同，或者他們是市場調研外部公司
- 合理化客戶需求的人員：營銷、產品或市場經理，因為這是一項非常敏感的操作，需要很高的技術能力和市場知識。也許更好的名稱是“產品/服務”分析師。
- 解釋的人員：在時尚產品環境中，他們被稱為“造型師”，他們將上下文、非結構化資訊與營銷資料融合在一起，以期實現長遠的目標。
這些人的相對作用顯然與公司的市場定位有關：在奢侈品公司中，造型師的作用比大型大眾市場企業的造型師作用更突出。
People using these data are people in the design and supply chain of the company.
什麼。正如我們所說，客戶需求由實物（產品）、主觀方面（個人自尊）和社會需求組成。
就產品需求而言，我們可以分為“升級”、對現有主題的變體以及“創新”，後者與以前的技術背景中不存在或沒有答案的請求有關。滿足後者的需求是最困難的，因為它需要有能力解讀可能對未來客戶願望產生影響的社會訊號。
主觀需求可以分為與人的“普遍”本質相關的“基本”資訊，例如易用性、舒適性、功能性和與人所處的環境相關的“文化相關”資訊，例如顏色選擇和搭配，這些資訊與消費者所處的社會密切相關。
社會資訊：我們的目標是能夠量化社會關注度和認可度以及社會聲譽。
目前，這些引數非常模糊。
哪裡。就流程存在的地理位置而言，我們必須跟蹤兩個方面
流程實際發生的地方，主要是公司主要場所，以及流程結果使用的地方，通常我們談論的是結果的本地化。目前，處理該主題最常見的方式包括本地分析和中央戰略整合或中央分析和本地適應。不幸的是，這兩種解決方案都往往具有太長的“上市時間”，這降低了系統的競爭力，我們將在後面討論這一點。
如何。一旦我們開始討論分析資料，以便它們成為資訊，第一個想法就是關於資料倉庫、資料探勘以及最終的知識管理。實際上，我們現在試圖合理化和解釋需求，而不是隱藏或顯式的相關性。因此，問題要大得多，它還必須包括我們標準資訊系統中沒有的資訊。從方法論的角度來看，我們可以將分析分為
- 理性：分類法和抽象/解釋方法和工具。最後一組包括投影（定義的模式和歷史資料）和預測（基於歷史資料的新的模式）
- 半定量：競爭對手分析、市場語義分析
- 非理性或上下文分析。
Usually all methods are taken into consideration as we try to avoid theoretical models which could be not complete or intuition with no relation with reality.
目前，我認為使用啟發式技術來解決解釋模型的嘗試非常有趣，我不知道有任何嘗試；我認為模型還不夠正式。
''''何時。從時間角度來看，我們必須考慮兩個不同的範圍：分析期和結果有意義的時間。
根據經驗法則，在資料收集的同時進行分析是正確的，因為可能會發現一些資料不完整或錯誤。
對於物理部分，結果的有效性與我們正在考慮的產品的總交付週期有關，而當我們談論客戶服務時，我們的分析有效期尚不清楚，分析這一點可能會很有趣。
多少。這一維度一直很難量化。讓我們回到馬斯洛的需求層次理論：在轉向第三級（個人需求）之前，我需要滿足第二級（產品）多少？我們假設這個百分比不需要達到 100%，因為一旦較低層次的穩態平衡達到，注意力就會轉移到較高層次。關鍵是：解決較低層次的 80% 和較高層次的 50%（假設你成功地測量了它）比 90%-40% 好嗎？
我認為這是一個公司需要做出的選擇。
總的來說，我們必須估計對
- 產品的需求，從我們的參考市場、其規模、我們的定位（份額）以及我們的產品在價格/效能方面滿足市場的程度來看
- 個人/社會方面的需求：我們有多重視它們，以及我們滿足了它們多少。
工具。現在我們已經討論了“理解、合理化和解讀客戶需求能力”流程的所有維度，我們可以看看現有工具的現狀。我們可以將它們分為
- 分析方法：基於已知和遞迴資料
- 演算法或統計：至少在統計上是精確的
- 啟發式：模型沒有完全定義
- 上下文方法：使用共同的感覺，即使無法衡量和遞迴
- 頭腦風暴
- 自上而下或自下而上方法。
- 個體方法：與特定的個人-環境情況相關，通常給出不可複製的結果，例如禪宗靈感。
As a personal opinion, even though different methods could be seen as provocative to some people (think of a physicist who should use a zen approach), as long as this process gives usable results is should be accepted anyway. Human beings have being using gravity as a force and apples kept falling long before Newton quantified the mathematical model. Man was using heuristic models to create manufacts. In field of social science maybe we shall never have a Galilean, recursive model but this does not mean that we must not get better use of data to be informations.