消費行業的資訊系統/通用流程
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 — 通用流程 — 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，客戶是其需求的所有者，或多或少地意識到自己的需求。該流程的目標是將此資訊與公司共享。
為什麼我們要嘗試感知需求？答案在於對他人需求的不可知論方法。在我看來，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需求的工具。
誰在需求感知過程中起作用？三類人參與其中：擁有需求者（客戶）、收集需求者、傳遞需求者。
感受到需求後，客戶是明確提出請求（需求驅動）或擁有隱性需求需要提取的人（供應驅動）。
我們可以將我們的客戶分為
- 熟知客戶，透過關係史（積分卡等）認識的人；在這些客戶中，我們特別關注在整個客戶群中表現出統計意義上的代表性的客戶。
- 未知或隨機客戶
- 潛在客戶：其中包括我們認為是目標產品的社會群體中的人，那些看店面或進來但沒有購買任何東西的人（潛在客戶）。
很明顯，針對這三個群體有不同的營銷策略：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，我們希望使我們的客戶忠誠，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類人，第一類人是其工作是“感受”更廣泛的市場（社會、各種環境），有時被稱為“酷獵人”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，但比偵察員更窄、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清晰、明確的看法。
傳遞資訊：說傳遞資訊的人與收集資訊的人相同會很簡單，但在我的經驗中並非如此。這項功能通常被認為是次要工作，因此被委派給其他人，助理，在閒暇時間完成，甚至更糟，被隱藏起來，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幅下降。
什麼是需求，客戶在尋找什麼。讓我們從三個維度開始對這種維度進行分類
- 明確需求：對特定物件的具體請求（雨衣、風衣），可能與新的環境相關（例如，滑雪板愛好者的長手套）。
- 半結構化請求：比前者更一般化，但不太精確。一個可能的例子可能是“像那件夾克一樣的東西，但領口有毛皮”或“稍微長一點或短一點”。這種請求，主要涉及產品，通常用標誌、非語言語言表達，因此很難收集和傳遞。
- 地理或環境需求：與文化或“魅力”趨勢相關的特定顏色，優於低調。這些是客戶需求的例子，這些需求很難接收和使用，但富含資訊。
在這個維度中，我們實際上只分析了產品需求，我們也可以對其他級別的需求（內在尊重、社會需求和自我實現需求）使用相同的細節級別。據我所知，目前還沒有關於這個主題的研究，這個主題似乎非常有趣，而且鮮為人知。
哪裡：關於需求發生的地點。需求發生的“地點”與需求類別（明確、半結構化或環境）之間肯定存在關係；我們可以識別
- 商店：這些是客戶與客戶進行明確互動，討論結構化需求的地方。這是一個非常重要的資訊資產。
- 櫥窗或商店路線：我們談論的是沒有明確互動，但卻是潛在客戶，這是一個重要的資訊資產，資訊結構不合理，難以捕捉和分類。
- 競爭對手：我們透過競爭對手提供的產品來了解客戶需求；這就像觀察解決方案並試圖猜測問題。當競爭對手能夠接觸到我們無法進入的環境（例如，遙遠的市場）時，這一點變得很重要。
- 一般地理分佈：最一般，也是最難分析的情況；例如，你可以想想時尚界沒有公認的分類體系。
就資料的定義、收集和儲存而言，問題現在正從技術問題轉變為對公認資料語義的定義。
如何。為了理解如何感知客戶需求，讓我們考慮這些需求是如何表現出來的。我們可以想到三種外部化方式
- 有意識的個人需求，例如向銷售人員提出明確的請求。
- 無意識的個人需求，例如，拿起一件衣服，看看它，然後放回去。
- 社會需求，例如，新的“時尚”。
我們如何感知這些需求：對於每種需求，我們必須考慮一種方法來定義基本資訊（狀態），因此我們需要
- 銷售支援工具，包括真實的和錯過的。
- 環境分析工具
- 競爭對手分析工具
- 社會趨勢分析工具。
特別地，談到第一個過程，我們必須非常小心工具的易用性和精確性，因為實際的操作人員有時在“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
- 觀察到的客戶是否表現得像無知者？
- 我得到的資料是否受到收集過程的偏差？
目前，我認為這些問題可以被認為是次要問題，因為現在我們沒有資料。
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.
何時我們收集資訊以及使用資訊？
使用我們剛剛定義的資料模式，我們可以說
- 地理或環境需求的時間範圍位元定產品更長；可能是 1 或 2 年。
- 半結構化請求主要提前幾個月，從一個季節到另一個季節；它們看起來比今天普遍接受的“上市時間”略短。
- 明確需求通常是即時的；理想情況是在需求出現後立即做出響應。
資料收集時間無疑與需求的性質和範圍有關，但我們可以將它大致放在銷售週期中，並考慮對訊號級別的大量週期依賴性。
Usage is again related to the class of need and has a strong period dependence the shorter the horizon is.
我應該收集多少個訊號，它們應該有多重要？
這是一個三面問題：方法問題、測量內容問題和參考值問題。
讓我們直面方法問題：如果一位顧客在看到一件衣服時驚歎“漂亮”，那麼“美麗”變數的統計方差就等於該變數本身的值，因此資訊不可靠。棣莫弗定理告訴我們，樣本方差與總體樣本方差之間的關係是樣本維度的平方根的倒數。四個人說“漂亮”比一個顧客說“漂亮”可靠兩倍，並且開始具有統計意義。
就我們想要測量的變數的內容而言，它們必須能夠幫助你建立預測模型，因此必須以目標為導向。讓我們舉個例子：全價期和促銷期的銷售額變化。如果我們在單一品牌店進行此分析，這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，只有價格變化，因此如果褲子的銷售百分比上升，這意味著人們認為褲子太貴了。如果在多品牌批發商處進行相同的統計分析，這可能成為“品牌之間”競爭的指標。
最後一個例子為我們介紹了第三個問題：測量變數的值必須與其上下文相匹配。一家大型皮草公司在一段時間前犯了一個大錯誤，其銷售額在一個時期內大幅增長。這主要是因為一家大型競爭對手出現了問題，但訊號被解釋為增長趨勢。事實是，該公司沒有考慮到整個皮草外套市場處於穩定或下降的局面，因此漲幅應被解釋為暫時現象。
因此，這一維度可以概括為收集關於重要變數的“良好”資料並在正確上下文中對其進行匹配的能力。
方法和工具：從操作角度來看，資料收集是一個非常困難的過程。
- 已定義的需求，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運營流程的工具（庫存移動、發票、現金會計），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）。其中一些還提供選項來支援銷售計劃，既從預算角度，也從空間/路徑分析角度。據我所知，沒有針對請求和丟失銷售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，這是一個未開發的領域，因為沒有可用的特定工具。我讀到一個關於顧客戴著RFID手環來跟蹤他們在銷售室內的路線的經歷，但似乎被放棄了（我不會喜歡它）。除隱私問題外，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：這是一個巨大且極其有趣的資訊問題。它與分析社會開放空間以獲取“趨勢”訊號的能力有關。據我所知，目前還沒有類似的東西存在。一種有趣的方法將考慮電視和電影圖片：它們受到服裝導演選擇的偏差，但可以越來越多地分析，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部門。
為什麼：該流程的存在與將一般資料轉換為對公司有用的資料有關；我們需要將上下文事件翻譯成內部有用的語言。
誰：人員既可以作為流程和狀態定義資源參與此流程。正如我們將在後面討論的（如何），方法可能多種多樣，這意味著不同參與者的相對重要性大不相同。回到不同的角色，我們可以指出
- 提供資料的人員是收集資料的人員，或者市場調研外部公司
- 理性化客戶需求的人員：營銷、產品或市場經理，因為這是一項非常微妙的操作，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相結合，以長遠的目光進行分析。
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，造型師的作用與大型大眾市場企業的造型師作用相比更為重要。
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”、現有主題的變化和“創新”，後者與前技術背景下不存在或沒有答案的需求有關。後者的需求是最難滿足的，因為它需要有能力解釋可能對未來客戶需求產生影響的社會訊號。
主觀需求可以分為與人類“普遍”本質相關的“基本”資訊，例如易用性、舒適性、功能性和與人類生活環境相關的“文化相關”資訊，例如顏色選擇和搭配，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和認可以及社會聲譽。
目前，這些引數非常模糊。
哪裡。就流程所在的地理位置而言，我們必須跟蹤兩個方面
流程實際發生的地方，主要是公司主要地點，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，處理該主題的最常見方法包括本地分析和中央戰略整合，或中央分析和本地調整。不幸的是，兩種解決方案往往都具有過長的“上市時間”，這降低了系統的競爭力，我們將在後面回到這一點。
如何。只要我們開始談論分析資料，使它們成為資訊，首先想到的就是資料倉庫、資料探勘，最終是知識管理。實際上，我們現在試圖理性化和解釋需求，而不是隱藏或顯式相關性。因此問題相當大，它還必須包括與我們標準資訊系統中的資訊不同的資訊。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，我還沒有聽說過使用啟發式技術來解決解釋模型的嘗試，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時間範圍：分析期和結果有意義的時間。
經驗法則是，分析應在資料收集的同時進行，因為某些資料可能不完整或錯誤。
結果的有效性，對於實物部分，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，這可能是有趣的分析。
多少。這一維度始終很難量化。讓我們回到馬斯洛需求層次理論：在轉向第三層（個人需求）之前，我需要滿足第二層（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。關鍵在於：以 80% 的比例解決較低層次，以 50% 的比例解決較高層次（假設你成功地測量了它）是否比 90%-40% 更好？
我認為這是一個公司需要做出的選擇。
總之，我們必須評估對
- 產品的需求，包括我們的參考市場、市場規模、我們的定位（份額）以及我們的產品在價格/效能方面的市場滿足程度
- 個人/社會方面：它們有多重要，我們滿足了多少。
工具。現在我們已經討論了“理解、理性和解釋客戶需求”過程的所有維度，我們可以看看現有工具的現狀。我們可以將它們歸類為
- 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：模型未完全定義
- 上下文方法：使用共同的感知，即使不可測量且不遞迴
- 頭腦風暴
- 自上而下或自下而上方法。
- 個人方法：與特定的個人-環境情況有關，通常會給出不可重複的結果，例如禪宗的啟發。
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.