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；

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，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。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。