不要定性思维，流程不适合每个人。你现在要入门需要做的就是坚持每天看数据、记数据，这是培养数字敏感性，这个做好了，接下来，就要问为什么数据会变动，分析原因（促销、节日、天气、卖场宣传、卖场环境、消费心理、消费人群、价格、竞争对手等等），继续总结。总结的结论需要你进行实际运用及跟踪结果，之后再分析，再得出结论。下面一起来看看一会这个行业资深人员的总结:
随着电商的发达，很多聪明人和资本开始重新进入零售这个古老的领域。但是零售的复杂性，远远超过很多人的想象——大到门店选址，小到货品码放位置，都要牵扯众多的数据和分析。
艾米特·考克斯为凯马特工作了27年，从推车、上货开始干，直到最后成为数据库市场营销和信息系统主管。他在数据分析方面颇有建树，先后在GE、沃尔玛等公司负责消费者分析的工作。对零售行业的不同侧重点——分析市场购物篮数据、吸引顾客冲动购买、运用数据分析直到决策、利用地理数据为门店选址、进行劳动力预测以及积分卡战略分析等等方面，提供了很多实用的分析工具和思路。
1.不少时候，当消费者进入商店时，他们会被问及一些关于此次购物的问题。当他们结束购物走出商店时，他们会再次被拦下参加调查。查看他们的购物小票就会发现，他们实际购买的商品和之前调查时说打算购买的商品往往不符。此类调查实行起来非常不容易，但得到的信息非常有效——消费者嘴里说的和真正打算做的未必一致。
2.数据的获取、存储和分析都要耗费不少资金，要先弄清楚自己想要从数据中得到什么，否则会陷入到无止境的数据追寻中。
3.跨渠道分析正在经历着大规模的扩张，其中包括将所有在线交易数据、线上消费者数据与店内交易、门店消费者数据相整合。这听起来简单，但做起来非常困难：你需要建立起客户关系管理机制，借此区别出每一位顾客身份。
4.在美国，我的团队成功构建了跨渠道、跨商品的市场营销结构，并在此基础上更进了一步，向原本几乎只在网上购物的顾客提供门店独有的促销优惠。这么做的意义在于，一旦顾客踏进商店大门，向他出手冲动型商品的概率就大了很多。在网上就很难激发顾客的冲动购买，哪怕线上顾客的确进行了冲动购买，我们也很难判断。
5.传统网站分析只关注点击流量，但现在许多公司已经开始把目光投向互联网客户管理（Internet Customer Management）。
6.利用市场购物篮数据分析商品的亲缘关系，能极大指导空间、货架的布局规划。我们可以找到一些合适的商品，以优惠价进行捆绑销售。虽然略微调低了商品的总价，但卖出的商品数量增加了，这能帮我们赚回可观的利润。
7.一些商品和购物篮中其他商品毫无关联（是冲动购买的），如果能让顾客更容易发现此类冲动型商品，销售量可以显著增长。最后我选定了3样商品放在收音机柜台上——一次性相机、4卷一组的透明胶带和12只装的AA电池。最终的统计显示，销售收益增加了数百万美元。
8.最佳商圈划分需要考虑人口密度、竞争对手店址、人口统计、住房、生活方式这些因素，还需要考虑自然屏障和交通模式（如道路网）。
9.英国乐购已经开始逐步停用天天平价的策略，表示这么做的最主要原因是顾客对天天平价不感冒。乐购已经积累下了大量消费者的数据，可以分析出他们最重要的客户群常购买哪些具有价格弹性的商品。这一分析结果是无价之宝。乐购可以据此来搭建定价体系，让顾客每天都能以低价购买他们最需要的商品，而无需降低商店里所有商品的价格。
10.我们淘汰了20%的商品，留出空间来排放销量最高的商品，并把亲缘关系密切的商品布局在一起，这一季度的销量有25%～30%的提升。
11.在美国，典型的百货商店占地5万～7万平方英尺，年销售额若要维持在2000万美元到4500万美元，就需要10万户家庭的人口基础。
12.我们帮助消费者估算如果他们继续在本店购物，未来每周、每月能省多少钱。这种做法的确改变了30%的顾客群的购物频率。
13.70%的利润是由30%的顾客带来的，你需要通过仔细的分析判断出这30%的顾客是谁，与此同等重要的是，找出那些只购买打折商品的顾客。
原文发布时间为：2013-08-28
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
