在全渠道運營體系中，通過數據科學的數據管理和數據分析手段，最終實現(xiàn)營業(yè)額的提升。全渠道運營的數據科學在SAS服務體系中稱之為omnichannel analytics。
數據科學
從概念上來看，數據科學（Data Science）是一門利用數據學習知識的學科，其目標是通過從數據中提取出有價值的部分來生產數據產品。它結合了諸多領域中的理論和技術，包括應用數學、統(tǒng)計、模式識別、機器學習、數據可視化、數據倉庫以及高性能計算。
數據科學通過運用各種相關的數據來幫助非專業(yè)人士理解問題，對商業(yè)競爭有極大的幫助。傳統(tǒng)企業(yè)將數據科學作為商業(yè)分析工具，輔助企業(yè)發(fā)現(xiàn)風險事件和挖掘營銷機會。新型企業(yè)則將數據科學作為商業(yè)引擎，幫助企業(yè)實時進行商業(yè)決策，提升業(yè)務收入，體現(xiàn)在包括產品設計，市場營銷，庫存管理，客戶經營，商品推薦，門店選址，成本控制，供應鏈管理等業(yè)務運營的方方面面。
最顯見的效用是，依靠數據科學可以降低庫存成本，測量需求變化，實時商業(yè)決策，并加速商業(yè)模式的迭代。
全渠道運營
由于競爭激烈、流量紅利消失、流量的超級碎片化、用戶體驗升級需求等等原因，倒逼企業(yè)需要做全渠道運營。全渠道運營的核心就是“圍繞人、貨、場進行最終營業(yè)額的提升”。
用流行的前中后臺思維，來描述一下全渠道運營的整體構建，軟件提供商 Terminus 為我們提供了一個結構素材，將企業(yè)的核心能力以數字化形式沉淀到平臺，形成以服務為中心，以業(yè)務中臺和數據中臺構建起數據閉環(huán)運轉的運營體系，供企業(yè)更高效地進行業(yè)務探索和創(chuàng)新，以數字化資產的形態(tài)構建企業(yè)差異化的核心競爭力。
terminus.io
全渠道運營的數據科學包括數據管理和數據分析兩個方面。
全渠道運營的數據管理
全渠道運營的核心，首先是客戶數據的管理，特別是行為數據，而不僅僅是交易數據。
在當前的經營實踐中，絕大部分品牌商和渠道之間溝通的數據往往僅限于銷售本身。在這種情況下，品牌商根本無從了解自己的客戶。
舉個應用場景來理解，客人線下店逛了10次，最后成交一雙鞋子。在這個過程中，傳統(tǒng)系統(tǒng)只能紀錄該次成交的信息。這里就有一個數據獲取的問題。過去靠進店計數器所能獲取的信息極為有限。而今天通過新技術，如RFID（射頻識別）、iBeacon（智能傳感）甚至微信掃碼等技術手段，以及消費者本身對于移動應用的習慣性依賴，可以幫助線下獲取大量以前無法獲取的數據。
這些不同來源的數據獲取之后，如何管理和使用呢？技術上來說，這些數據來自于不同的空間。
舉個可以理解的例子，商家采集到信息說“小明來到實體店試戴了一副眼鏡”，同時，電商部得到信息說“王先生在我們的官網上對一副眼鏡瀏覽了很久”。事實上，在現(xiàn)實世界中，這兩個信息都是關于“王小明”的。如果品牌商有一套系統(tǒng)，幫助自己整合來自各個渠道來源的信息，并作出相應的分析和推薦，那么當實體店的導購員知道“小明”來了的時候，就已經可以調取到“王先生”在線上的瀏覽記錄，及時有效地作出導購和推薦。
傳統(tǒng)的經營模式中，割裂售前、售中和售后職能，分別由市場部、銷售部和客服部門負責的，部門之間在面向同一個客戶的時候信息不互通、不共享。因為每個渠道都存在這三個不同的職能部門，所以這個問題在多個渠道同時運營時會被放大，會明顯降低客戶的消費轉化率和品牌滿意度。我們的實踐經驗是，讓所有渠道的所有部門共享同一個數據庫，包括客戶數據、商品數據等。
舉個場景幫助理解，對于客服部門而言，當接到一個客戶打電話投訴的時候，客服代表能清晰地了解該客戶的“前世今生”，知道TA有沒有在微博上抱怨過等來自所有渠道上的信息，然后能很確定地給出一個解決的辦法，比如讓TA直接去辦公樓下面的實體店退換貨。
一個既能對接好各類前端消費平臺，又能打通后端生產和供應鏈的完整數據鏈管理平臺，是保證商家玩轉全渠道運營模式的技術基礎。
“互道信息”有提到一個全資源管理系統(tǒng)ORP（Omni-Resource-Planning）概念，倡導打破渠道邊界和企業(yè)內外邊界，致力于快速建立自己的數據管理平臺和全員的數據化運營系統(tǒng)。
本節(jié)參考王華文章。王華，互道信息技術（上海）有限公司創(chuàng)始人兼CEO，曾擔任 SAP 全球高級副總裁。
全渠道運營的數據分析
數據分析是指用適當的統(tǒng)計分析方法對收集來的大量數據進行分析，將它們加以匯總和理解并消化，以求最大化地開發(fā)數據的功能，發(fā)揮數據的作用。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。將數據分析商業(yè)化、信息化，從而實現(xiàn)商業(yè)價值的企業(yè)信息化建設過程稱為商業(yè)智能。
數據分析驅動的決策管理是優(yōu)秀管理者必備的競爭優(yōu)勢，進而成為下一步運營戰(zhàn)略規(guī)劃的基礎。
通過以下4個方面以提高數據分析能力（參看《數據分析師必備的9大技能》），包括：
- 數據指標體系設計；
- 數據的獲取與采集；
- 常見的數據分析方法；
- 數據分析與增長試驗閉環(huán)。
數據指標體系設計
以銷售型業(yè)務為例，信息服務和電商作為全渠道運營的主要工作，通過信息服務展示商品并獲得銷售線索，通過電商完成交易，其中最重要的數據有：新增用戶、重復購買、總銷售額。數據指標體系設計要基于先進的軟件設計，又最終由軟件準確呈現(xiàn)。
數據的獲取與采集
數據指標體系設計指導下，通常通過前中后臺的軟件設計來完成?？梢钥隙ǖ氖牵境嘘惻f理念的軟件產品沒有實用的數據獲取與采集功能，因為它們建立于原始的數據指標設計。
常見的數據分析方法
最普遍會用的是描述統(tǒng)計，很多文案PPT中都會呈現(xiàn)；進一步可作方差分析、回歸分析等，更多的數據分析方法將是一個專業(yè)領域，參看《16種常用的數據分析技術匯總》和《15種數據分析方法》。
數據分析與增長試驗閉環(huán)
數據分析與試驗增長閉環(huán)測試的核心邏輯是：假設——驗證——分析。
實施的方法是“提出假設——計劃排期——運行試驗——研究調查——數據分析——行為分析——再次提出假設”的一個閉環(huán)試驗，符合數據驅動的增長閉環(huán)。
本節(jié)參考豐憲飛文章。
