筆者曾經在壹個零售企業做過壹個很有意思的調查，我分析了所有店長的銷售報告。其中關於銷售下降的原因分析：大部分銷售人員會把天氣因素排在第壹（25.7%），第二是客流量降低（22.1
％），第三是貨物供應問題（18.5%），第四是支持不到位（12.3%）……大家都在強調客觀原因，卻提供不了對應的數據支持。
講壹個比較離譜的故事，壹次參加壹個零售品牌企業的月度銷售會議，期間需要各城市經理做上月銷售狀況分析。於是我就看到如下的分析：A城市上月銷售下降了12％，銷售經理認為下降的原因在4個方面：1、產品缺貨，銷售人員沒有積極性；2、股票市場低迷，消費者沒有購買意願；3.
天氣炎熱，消費者不願意逛商場，客流量降低，銷售額下降。
粗略壹聽，有些道理，確實這些因素或多或少都會影響銷售。我們再來看另外壹個城市的分析結果。B城市上月銷售同比上升了18％，該地區的銷售經理分析如下：1、本月加強了產品知識、銷售技巧的培訓；2、銷售代表全部下店實地櫃臺銷售，增加了櫃臺銷售力量；3、天氣比較熱，消費者喜歡逛商場，享受涼爽的空調、所以平均停留時間增加，從而促進了銷售。
看到這裏，大家可能有些明白。同壹個事件（天氣炎熱），不同的銷售人員有互相矛盾的解讀。在銷售人員看來，天氣熱既可以促進銷售，相反也能夠抑制銷售？同樣的道理，B城市甚至也可以說股票市場低迷，股民都把錢從股市撤出來，投入到消費中了，所以銷售完成不錯！所以這些並不是銷售完成的好壞的原因，這些原因只是銷售的借口，是萬金油，可以忽左忽右。
妳是否認為他們水平太低，不能發現真實影響銷售的原因？其實，這是大部分銷售人員慣有的毛病，想當然的講道理，不著邊際的編故事。他們並沒有或者不會對銷售數據進行分析，當然也就不會發現真實影響銷售的原因了。
1、沒有人（公司）對“數據化管理”進行競價排名，也就是沒有人（公司）對這部分業務感趣。
2、“數據化”還不是百度的壹個聯想搜索用詞。妳輸入數據會發現它會聯想到數據庫、數據恢復、數據結構、數據挖掘、數據銀行、數據透視表、數據分析、數據倉庫、數據字典等。除了數據挖掘、數據分析和數據化有些近似外，其它都和數據化管理沒有太大的關系。
所以，從以上兩點大體可以得出結論：數據化管理目前在各個行業都還沒有得到足夠的重視！
對於零售行業來說，數據化管理既不是數據庫管理、也不僅僅是數據分析（挖掘）、更不是數據軟件管理。和壹些企業老總聊天（特別是私企老板），我壹談到數據化管理，他們就會說：我們公司花了多少多少錢（有的甚至用的是美金）上了壹套****數據管理軟件。非常好！我總是耐心的告訴他們，這些數據管理軟件是非常不錯的東西，它是壹個非常好的數據庫管理軟件，它只會提供壹些基本的銷售分析（比如銷售曲線、庫存結構等等）。用它來做進銷存管理、判斷銷售趨勢等會非常好。但是它做不到深層次的數據分析，當然也不會告訴妳如何運用這些分析結果。並且它沒有辦法告訴妳銷售異常的原因，也不會告訴妳2008年奧運會對銷售的影響有多大。所以這些軟件更多的是壹個數據庫管理軟件。
那到底呢？這是我給它下的定義：數據化管理是指運用分析工具對客觀、真實的數據進行科學分析，並將分析結果運用到生產、銷售等各個環節中去的壹種管理方法！從中可以看出數據化管理既是壹個過程！更是壹個管理工具。它包括三個階段：數據的收集整理，數據的分析，數據的運用。同時他對數據也做了基本的定義：客觀、真實。
從這個定義中大家就能夠發現數據化管理和目前的數據管理軟件區別有多大了：
1、數據化管理會區分數據的真假和客觀性，要求修正或剔除不合理甚至錯誤的數據。常規的軟件沒有這個功能。但凡做過銷售的人都知道，有很多銷售數據是有水分的，甚至是人為杜撰的。
3、最關鍵的是通過數據化分析，可以設計壹些常態的分析模板來發現問題、指導決策。提高整個公司的管理水平，降低管理成本。