数据质量，是企业数据分析系统建设过程中，一个非常重要的方面，但恰恰也是常常没有引起足够重视的方面。在服装行业的企业中，此问题也是非常的明显。数据质量将影响到企业分析应用内容的建设，以及分析结果的准确性与可靠性，有句俗语“垃圾入，垃圾出”便是说的此种情况。。本文基于作者在分析系统建设过程中遇到的零售数据缺失及质量欠佳两个方面的问题，聊聊它们的影响，以及如何改善或规避。
首先，看看零售数据采集的缺失。
在当前服装行业的品牌商企业中，采用代理、加盟方式或与直营混合经营的模式是极为普遍的。站在品牌商总体角度上来看，代理商、加盟店这部分的数据，往往成为了企业全盘运营的一个数据黑洞。品牌商管理者总是会期望能够实现“全国一盘棋”的效果，了解商品的流转与零售状况，从全局的角度优化商品的配置，从而提高销售机会，减少库存。
很具体的一个例子，便是计算某款商品的整体零售售罄率，许多时候，由于代理加盟数据的缺失，便以代理加盟的发货数据替换其零售，零售售罄率便变为总体的消化率。诚然，批发模式下，品牌商可以通过控制退换货比例等方式降低风险，但假若商品在渠道形成较大积压，将造成一种不健康的循环。因此，推广POS系统，将终端零售数据的采集上收，是极有必要的。
通常，大型的或是强势的品牌，能够稍好的收集各个零售终端的数据，用于商品销售分析，从而进行快速反应，或是商品的调配。前阵子，有满多关于国内运动品牌李宁公司的供应链管理变革的报道。建立大数据中心，亦着力采集各终端零售系统（POS）的数据，作为其基础数据。POS的推广程度，大约能到85%的终端，剩余部分偏远地区，李宁公司已觉得较为满意。而相对其他一些中型或是中大型的品牌商，非直营线数据的采集，更是一个难题。有人曾开玩笑说，那些一直不肯使用POS系统的客户，要不就是太聪明，不期望数据被掌握，要不就是意识太落后，了解不到信息系统的益处。
真正管理严格的企业，哪怕是系统的缺失，他也会想尽办法将尽可能多的终端零售业务数据采集，手工填报、短信报送等等手段不限。事实上，数据的采集，对于客户来说，可以不要仅仅视其为义务，亦可从其享受到相应的权利。从数据运用的角度，能够为客户们带来哪些辅助呢？大致可以有订货会规划测算、季中商品结构分析、畅滞销款的分析、辅助补货或是商品在客户间的盘活。通过这些方面的工作，提升商品的销售、减少库存积压和缺货情况的发生、提高资金的周转效率。
接着，再看看数据上来之后，又可能会存在哪些方面的质量问题，先举几个例子。
单据日期错误，非直营终端多有出现，直营终端偶尔出现，我看到过二零五几年的单据。
数值错误，零售小票中零售金额或者零售数量大幅度的偏差，曾有见过将商品代码录作零售金额的，由于对账原因，此种情况直营终端倒是几乎不会出现。
合并单据，有的终端，一天就录上一两笔交易小票。
以上种种问题数据，如果没有经过专门的数据质量问题的识别与清洗，直接进入分析阶段，那么导致的结果可想而知。业绩不准，商品关联关系失真等问题是必然的，在不知的情况下，甚至有可能做出不恰当的决策。因此，在做数据分析或是类似系统建设的过程中，定要对数据进行质量的探查，异常数据的分析与处理，改善数据质量，提升分析效果。
以上聊到的均是零售数据方面的一些问题，实际上，企业运营的方方面面，均是面临数据质量问题。譬如，企业期望从年、季、波段、品类、故事、系列、面料、主题、款类、上下装、内外搭等角度对商品进行全面综合的分析，但是商品档案拿过来一看，现实与期望相去甚远，属性要不是没有设置，就是大片大片的未定义，在完善数据之前，是会让用户失望一阵子了。
当今，精细化管理的概念一提再提，作者认为，精细化管理，需要依托于精细化的分析。而精细化分析的基石——数据，一定是有质量保障的数据。在此，希望更多的服装企业能够更加重视数据质量的改善，获得更优质的数据分析效果。
