这是一张图，当我们发现店铺或者区域数据出现异常的时候，应该有怎样一种思维逻辑、思维方式。当我们发现店铺的数据出现异常，例如成交率下降以后，很多人的思维就是直接去找背后的原因，而不是先去梳理数据和逻辑，这样反而不容易找到背后的原因。所以我们去做零售思维的时候，一定要有逻辑。
继续用客单价来比喻，如果发现某个店铺的客单价异常，我们第一步要想这里面数据源是不是有问题，是不是算错了?如果建立在错误数据源基础上去找委托的原因，自然就是拍脑袋做无用功。比如客单价的数据上很有可能是去年团购拉高了客单价，今年没有团购客单价当然自然就下降了。这个时候你还得去找客单价下降的原因是不是就没有任何意义?
所以遇到数据异常的先要看数据源是不是有问题，如果数据源没有问题，那么看同一个品牌下，A店铺如果客单价下降，我们要看同一品牌下面B店铺、C店铺、他们有没有客单价下降的情况，如果别的店铺也有客单价下降的情况，说明这是一个品牌共性的问题，而不是单单这一个店的问题，你就不能只找这一个店的毛病，去找整个公司或者区域的品牌出现了什么客单价的原因。
如果同一品牌下面别的店铺，或同一个城市的别的店铺没有这种客单价下降的原因，只有这个A店铺有客单价下降的原因，这个时候我们要过渡到第三步，要看本区域内其他对手有没有此问题，A品牌客单价下降了，同一个商场里面B品牌客单价有没有下降，C品牌有没有下降，D品牌有没有下降，如果整个区域里面大家的客单价都在下降的话，说明是整个区域出现问题了，而不是单单A品牌这个店的问题，思考问题的方式又不一样了。
如果说区域也没问题，就是A品牌在这个店有问题，竞争对手没问题，其他店铺也没有问题，这个时候才可以用人、货、场进行思考了。找到和人、货、场相关的一些数据进行分析，有没有人的问题，有没有货的问题，有没有场的问题，就回到刚才我们说的人、货、场的那种思维逻辑里面。
看趋势、看对比，最终找到问题产生的原因，这就是将零售思维和数据思维相结合的一个非常好的一张图片，你可以慢慢品尝这张图片。这张图片很强大的，当然有时候我们发现某个店铺的客单价出现问题，同时发现整个品牌也出现问题了，或者整个区域也出现这个问题了，也就意味着同时具有品牌共性和区域共性的问题。出现这种情况，那就说明一个问题，那就是市场出现了问题，那个时候就不是对一个店和一个品牌的问题，是整个大环境的问题，就需要用其他方法去解决。
无论是数据思维还是零售思维都需要花时间去练习，让他们变成一种思维习惯。
（来源：数据化管理 作者：黄成明）
