促销的效果如何不能只凭感觉，必须通过数据分析来验证。

　　尽管啤酒与尿布的经典案例让人们认识到数据分析的神奇，然而在实际应用中，数据分析往往没有那么神奇，不过也并不容易实现。

　　对于企业负责人而言，在进行信息系统相关的投资决策时，并不容易。一方面，若不投入资金，企业的发展可能会受到限制，毕竟人工管理相对信息系统管理，不仅成本高而且效率低下; 另一方面，若投入资金，又感觉难以准确把握信息系统的投资收益。零售企业在数据分析方面的投资就最能体现他们的这种两难境地。数据分析被公认为是提升信息系统价值的有力工具，但很少见到真正成功的案例。投还是不投，真是很为难。不过，在笔者看来数据分析的效果是很显著的，关键在于如何使用它。

　　数据分析并不神秘

　　事实上，数据分析曾经困惑笔者多年。十年前，第一次看到啤酒与尿布的案例时，笔者就深信不疑地认为，数据分析大有可为，只要努力追寻其中的规律，就一定会创造出另一个神话。今天，这个案例仍然被笔者奉为经典，不过笔者已经不太相信能够创造出这样神话般的奇迹了，反而更愿意相信某个大类的客单价这样一个简单的统计数字。实际上，笔者甚至认为自己被这个案例误导了，它过分神话了数据分析。其实数据分析就存在于报表的字里行间中，关键是要去发现它，了解它。

　　笔者曾经接触过一个企业并和他们的管理人员进行了一些探讨。他们的店长凭借着多年的经验管理着门店。店长每天关心门店的销售额多少，当某天销售额低落的时候，店长总会分析周围竞争店的促销活动和天气因素，甚至分析到顾客情绪的变化。

　　这些变化真的影响了门店销售吗？如果是，具体影响了哪些商品的销售呢？这些店长却说不清楚，只是一种感觉。其实我们最关心的“门店销售额”是无法帮助我们分析原因的，因为它只是一个经营结果，而非经营优劣的原因。我们企业的老总每天关注的公司销售额，但业务部门不能像企业老总一样仅仅看销售额这个结果，我们要分析的是造成结果的原因。

　　笔者的习惯做法就是分析门店哪些大类的销售占比和以往的销售占比相比偏低？影响这些大类销售降低的原因是哪些？用促销额占比来分析促销力度是否过度以致造成毛利损失，或者促销占比太低结果导致人气不足; 用大类客单价来分析大类商品的价格带是否符合周围消费者的消费能力; 用捆绑来增加客单数和客单价; 用某个惊爆价商品的客篮商品资料分析它是否对某类商品的销售起到了带动效应等。还有很多数据都可以带给我们意向不到的信息，这些信息提示我们如何去改善经营方式。笔者认为，这就是数据分析，并不一定很神秘，但也不容易做到，关键看如何使用它。