对于包括网络零售在内的零售商而言，数字数据在制定战略时至关重要。然而，面对海量的数字数据，许多零售商感到不知所措，无法制定出有效利用数据的战略。
数据科学是商业的核心
数字技术的革新给面向普通消费者的零售行业带来了巨大变化，消费者能够获取关于购物的海量信息和无数选择。
与此同时，虽然人们能够熟练运用各种设备，但作为数字营销目标的消费者，正经历着全新却复杂的购物流程。
在数字世界的背后，令人惊叹的新兴技术不断涌现。其中许多技术都设有独特的运营规则。
程序化营销（基于数据的实时广告位自动采购）、向Google和Facebook投放广告竞价、为每位消费者定制落地页、网站商品展示（如制作介绍商品的专题页面等商品促销手段）等，需要做出与传统零售业业务流程不同的决策被认为至关重要。
另一方面，通过分析印象数、点击量、搜索量、页面浏览量（PV）、交易数据等大数据，不少零售商因此产生了“数字疲劳”。
然而，无论业务规模或专业领域如何，任何零售商都需要以聪明且新颖的方式处理数据。对于将数据处理置于业务核心的公司（如Google、Amazon、Zalando（德国时尚电商平台））而言，数据科学支撑着商业的核心，即企业的DNA。
传统零售商很难像这些企业一样利用数据科学。许多零售商意识到有必要采取不同的方法，但他们不清楚“该从哪里着手”、“应该改变什么”以及“做到什么程度才算成功”。
企业必须将数据视为激发全新思维的催化剂。
通过追求基于数据的创新，我们能够拥有与传统不同的思维方式。这样做，将有助于流程改进、成本降低和销售额提升。
在组织内部引发变革是非常困难的。然而，观察传统零售商与亚马逊之间的竞争，不追求创新的零售商将被甩在后面。
为了最大限度地利用数据的力量来推动变革，需要在整个组织中渗透正确的理解和思维方式。以下将介绍成为具有灵活性和创新性的零售商所必需的五个基于数据的原则。
① 数据是战略的支柱
数据的应用必须纳入首席执行官（CEO）的行动计划中。否则，基于数据的举措将无法取得成功。
数据是创新的源泉。企业必须将数据视为激发全新思维的催化剂。如果以相同的频率、在同一部门、使用相同的数据、遵循相同的逻辑，并与具有相同目标的同一群人一起做出决策，那么一切都不会改变。
② 数据是重要的资产
数据可以被视为企业的新资产。要有效利用数据，首先必须发现、挖掘、提取并精炼数据，然后在组织内部共享。不应将数据利用局限于单一部门。
即使是“尚可”的数据也具有巨大价值。数据无需完美且完备。重要的是，能否从中发现洞察，并将其作为制定行动路线的有效材料。
请从海量数据中发现关键要素。面对庞大的数据量，人们可能会感到不知所措。然而，我们必须从数据中理解消费者的意图和行为。要理解什么才是有效的，并非易事。
③ 管理层应基于数据做出决策
并非所有决定都是正确的。一旦获得新的洞察或机会，就需要“决策的灵活性”。问题在于，目前许多零售商仍仅进行表面化的决策。
让我们做出“尚可”的决定。追求完美并非必要。重要的是思考：“基于现有数据，能做出的最佳决定是什么？”
将失败视为学习的机会。如果零售商任由失败和错误发生而不加处理，就无法实现任何改进。关键在于，将损失降至最低，并避免重蹈覆辙。
④ 让组织和员工基于数据保持一致的步伐
数据分析并非一人之力所能完成。数据分析需要多种技能。数据架构师、分析师、算法设计者、数学家和统计学家各自凭借不同的专业技能参与数据分析工作。首席数据官（CDO）或同等职位的人员在数据驱动的世界中扮演着类似“指挥家”的关键角色。
重新审视各部门的组织架构。数字商务中的关键决策事项不应由各部门单独决定。
设立负责做出决策的经理角色。也就是说，这类人员承担着连接生产部门、物流部门和数据科学家们的桥梁作用。该角色有时也被称为“决策者”或“业务绩效经理”。他们将业务中的课题和问题视为数学方法加以把握，并将结论清晰易懂地落实到一线。
进行规划以便能够管理变化。并非所有管理人员都会立即尝试新的数据使用方法。由于对新方法不熟悉，他们可能会犹豫不决；甚至可能感到自己的工作受到威胁。
明确谁是决策者。因为每个人对数据都有自己的看法。在讨论如何有效利用数据时，往往会有20多名员工聚集在会议室里提出各种意见，但由于目标微妙偏离，最终导致无人做出决定……这种情况经常发生。
⑤ 培养分析能力
在数字商务的世界里，所有的数值都可以用公式来解释。在使用数据时，也需要逻辑。
请将平均值视为“敌人”。平均值有时会误导方向，且很少是重要的数字。请运用大纲处理器（整体结构）、十分位数（用于查看数据相对位置的数值）、维度（表示空间广度的单一指标）和分层（将总体划分为相对同质群体的过程）等概念，深入剖析平均值。当给出平均值时，重要的是提出“分布情况如何？”这一问题。
培养对分析的兴趣，营造乐于接受建设性挑战的文化。许多人认为“自己擅长数据”。然而，优秀的数据科学家通常非常谦逊。因为数据科学既复杂又棘手，容易出错，可能导致错误的分析结果。因此，要注意确保确定性和自我保护。
祸患常存于细微之处。高层管理者往往不关注细节。在数字世界中，如果只关注总计或简单信息，可能会迷失本质。
为了通过数据分析引发有效的变革，零售商应该从何入手？关键在于理解哪些技术适用于哪些问题。
必须停止按部门进行数据分析，并分解汇总数据和总计分析数据。仅基于交易数据的传统数据分析方法，在加入其他分析要素时，可能会得出完全不同的结果。
管理层向下属提出他们无法回答的问题很容易，数据科学家报告对决策无用的分析数据也很简单。
在数据与零售业的变革中，重要的是，明确的方向性和建立组织内全员都能参与的过程。