零售数据集市的退货数据处理（by AMT 胡鹏编译）

摘要：退货是零售和电子商务中的一个常见现象。消费者退还不必要的赠品，更换不合身的衣服，并希望在退还不满意的产品时获得退款。

零售数据集市的退货数据处理

by AMT 胡鹏编译

退货是零售和电子商务中的一个常见现象。消费者退还不必要的赠品，更换不合身的衣服，并希望在退还不满意的产品时获得退款。这类交易代表收入的减少，并对企业年终盈亏产生直接影响。而且，退货会对主要的商务分析产生重大影响。

定义“最优”时要结合退货数据

零售数据集市常用来定义度量商务单元中的“最优”项目。例如，营销商常常想定义“最优”顾客，买者试图追寻“最棒”的产品，而地区经理想分析什么是“最佳”存货。在大多数零售数据集市里，“最优”这个术语与“销售最大化”同义。这个定义忽视了当退货、退换和取消订单时收入的减少（它同样忽视了销售成本，有机会将在其他文章中涉及）。因为很多职能部门在管理中受这类数据的直接影响，虽然不承担因退货（或成本）造成的收入减少，但是关注退货已成为普遍现象。例如，在一个项目中，市场部的目标也许是增加10％的收入，而营销团队在进行项目分析时却不考虑退货。让我们看看退货如何对一些主要的商务活动中的单位：顾客、产品、促销等的分析产生冲击。

术语“最优顾客”的定义中常常不包括退货行为。在计算终身支出中（顾客日均全部购买的货币量），顾客可象征性地货币化。具有终身支出价值的顾客的超过所定义的“最优”顾客的极限。例如，最优顾客的定义也许是支出至少在500元以上的顾客，营销团队面向这些首选顾客建立特殊的程序。毫无疑问，这种对最优顾客狭义的定义忽视了一些不是最优的目标顾客。

同样的，如果我们应用类似以收入为核心的方法定义我们的最优产品，我们可能面临对某些产品估值过高，而对其他产品估值过低的风险。我曾遇到销售量第一的产品因退货的因素（在这个案例里，产品可能是有缺陷）而导致排名下降。

退货还会影响促销。我见过在一些买一送一的促销活动中，收入能够大幅增长，但同时也出现了大量的退货（在这个例子中，据怀疑人们退回的是赠品，实质上，将促销变成了 “免费得一个”）。
其他一些度量单位对退货的影响也很敏感。从商店、雇员、渠道和时间阶段等不同角度考虑如何退货也许是不同的。

在零售数据集市中建立退货模型

表一是零售数据集市的一种典型模式，由位于中央的销售活动和外围的业务单位构成。

图一：零售数据集市模式

该模式常用来回答以收入为核心的有关“最优”的问题。

在以收入为核心的条件下，谁是最优顾客？

在以收入为核心的条件下，谁是最佳商店？

在以收入为核心的条件下，谁是最好产品？

在以收入为核心的条件下，什么时候是销售最好的季节？

但是正如我们先前提到的那样，这个模式省略了最重要的部分，退货。在数据模式中结合退货数据，我们可看到一些不同的建模方法,而其中一些是可以完全不用的。

删除的方法。考虑模型中的退货数据，也许最简单的方法是装作原本的售货就从来没有发生过。我曾见到一些零售企业在其数据集市总执行一种程序，就是在发生退货时则删除原有的售货记录。这种方式的明显缺点是损失历史资料。数据集市的用户将永远不知道曾发生过的售货或退货。

更新状态的方法。有交易背景的数据建模的人也许喜欢在售货记录中添加一个“状态”栏，执行可更新记录的程序以表示售货发生退货。这种方式仅简单的使用那些没有标明“退货”的记录，就使数据集市的使用者获得“收入的净收益”。为了取得令人满意的结果时，在数据集市中引入了挥发性。即由于更新，每天的查询结果都会变。数据的挥发性最终导致人们丧失对数据集市的信心。因为所得的结果依赖于所执行的查询是什么时候进行的。

抵消的方法.另一种方式是在同一个售货表格中插入一条退货的交易新记录。对单位销售、缴税和运输成本产生一个负值，即对收人产生抵消作用。在总计交易量时，这种方法简单易行，不必再将退货交易记录筛选出来（售货记录被负的退货记录所抵消）。同时，挥发性问题得以解决，因为插入新的记录而不是更新已有的记录。然而，这种方法在一个模式中面临两种不同的交易模式。相对售货，退货往往会有一个不同的记录结构。例如，退货记录也许有一项“退货理由”栏（诸如错码、质量等问题），而这一栏在售货记录中是不使用的。

双重表格的方法。我发现最好的方法是创建一个次表格来处理退货数据。分离的表格允许售货和退货有不同的记录结构,而且我们仍然能够输入查询以获取“收入的净收益”。这种方法见图二的模型。

图二：创建次表格处理退货数据

在这个范例中两个表的单位几乎一样。使用这种模式，你可以结合退货以计算“最优”。比如，在计算顾客终身支出中的净退货，你可以进行以下查询：

CREAT一个没有记录的TMP－顾客－售货表
FROM顾客_ID中SELECTc顾客的_ID
从售货中SUM（销售额+税+运输成本）货币额
FROM售货p,顾客c中
WHERE顾客的_ID p=顾客的_ID c
GROUP c顾客_ID

CREAT没有记录的TMP－顾客－退货表
FROM顾客_ID中SELECT c顾客_ID
SUM退货总额
FROM退货r,顾客c 中
WHERE r 顾客_ID=c 顾客_ID
GROUP c 顾客_ID

SELECT tp 顾客_ID
(tp 购买总额－tr 退货额)
FROM TMP－顾客－售货tp.TMP－顾客－退货tr
WHERE tp 顾客_ID=tr顾客_ID
取消TMP－顾客－退货 表

注意使用多个SQL和TEMP表格。第一个路径总和了顾客的购买的货币总额，第二个路径总和了顾客退货的货币总额。最终连接两个临时表以计算净货币额（注意要使用OUTER JOIN以确保在最终的结果中包括那些从没有退货的顾客）。最终的，当得到最后的结果后，TEMP表可被删除。
在高级报表工具里很容易产生这种逻辑语言；因此,你的商务用户不必了解这种模式的错综复杂性。

使用同样的方法你可以在不同的分析中操作运用这些数据:

确定顾客可以退货的最高比例(特别是在那些极易复制的软件和音乐CDs的产品销售中可以防范欺诈行为)。

分析过去在购买和退货二者间的平均量来预测负债。

从商店和产品等各个环节评估退货率。

借助对包括退货在内的各个商务单元的分析，我们能够更准确的认识谁是最好的顾客、产品和分销，使我们的资源合理利用。如此做的结果不仅依赖于退货的绝对量,还依赖于涉及每个商务单元要素的退货率的变动。当然，最终是取决于商务用户是否有正当理由的解释退货。然而，当商务用户直接受制于反映退货的数字时，他们可能发现对退货数据的处理确实非常重要。

作者联系方式：hupe2000@sina.com