很多人都會問，電商發展這麼快，會不會對線下門店產生很大的衝擊？從數據上來看，線下仍然發展得比較好，甚至有促進作用；舉例說，自然醇品選擇用線下門店資源幫助線上引流，團隊本來預計這樣的做法會影響門店生意，沒想到，當天線上線下的銷售額同時創下新高。配合基於門店的O2O實踐，做到了“門店互聯網+”。
線上線下是相互融合的，只是放大各自的優勢領域，在不同的消費場景下為顧客提供更豐富的選擇，你滿足顧客的需求場景越多，用戶粘性就會越好。線下門店不僅有便捷的售後服務，還可以補充損、易碎或者保質期較短的生鮮食品等電商無法滿足的品類。
從另一個角度看，線上數據還可以被有效利用到產品開發中。過去，自然醇品可能僅憑經驗判斷來開發產品，而現在，有了大量的消費數據做支撐，就能讓投放更精準，也更有針對性。這讓產品研發團隊能更快地瞭解消費者對於商品的評價感知，接收第一時間的反饋，使效率更高。
現在，自然醇品在開發新產品時，會考察三個方面的內容：行業趨勢、口味選擇和評價。團隊會為目標消費群做一個清晰的畫像，線下店只有購買記錄作為參考，但這遠遠不夠，相比之下，線上數據可以告訴運營團隊，某位消費者到底是白領、家庭主婦還是學生？有了判斷，就可以導向更精準的用戶需求。
全能運營團隊
數據分析應該是幾乎所有做電商的人都要做的事情，不能專門指望某一個團隊或者某一個人做數據的分析。在團隊中，個人都是身兼業務技能與數據分析技能的小行家。"這是做運營必備的技能。"
數據分析本身建立在對業務的理解上，"只有懂業務才能做有效的數據分析，專職團隊只能站在專業的角度建立一些數據模型，並沒有對業務問題的洞察能力。
目前，自然醇品的運營團隊除了做自己專業領域的數據分析外，還會在不同的模塊中配備專職人員。無論是會員、店鋪、還是商品，都會有專人支持。
在數據分析中，小團隊通常選擇著眼於流量、轉化率、客單價等少數關鍵指標，而隨著團隊的成熟和專業化，整個消費行為會被細化為幾十個相互獨立又相互關聯的指標來監控。
進店、下單、訂單處理、發貨、收貨……每一個環節，自然醇品都建立起了一套成熟的分析標準模型，由數據專員來維護和優化，發現問題，繼而及時提出解決方案，挖掘更多價值。
以發貨環節為例，此前，自然醇品以DSR評分和發貨速度等作為判斷標準，現在則會細化到十餘項步驟來監控，不斷優化速度，最後，在整個流程沒有大變動的情況下，顧客的24小時和48小時簽收率大幅提升。
數據分析還被應用到流量運營中。運營團隊一般會分為活動、推廣、設計等職能，但自然醇品將專職運營團隊按價值分為三塊：平臺活動、商品運營和店鋪運營，分別對應活動流量、免費流量和自主流量，形成某種動態平衡，讓店鋪運營的效率最大化。
數據也會說謊？
數據分析的目的並不是為了解釋一種現象，過去很多電商同行交流的結果表明，大量的運營團隊都在做數據解釋類工作，即"就數據分析數據，得出一種看上去合理的解釋"。其實這不一定有價值，即使數據分析邏輯非常清晰，天衣無縫，但也可能是錯的，因為“數據會說謊”。
數據分析的目的是分析趨勢，挖掘潛在機會，從而引導出有效的行為：在此基礎上，數據可以幫助運營團隊更精準地找到問題和機會，減少試錯成本，提高運營效率。用數據分析的結論，可以避免用經驗去決策，而是用客觀事實去決策。
幾乎所有的行為都可以被數據化，這是電商最大的優勢。這使得電商數據庫顯得尤為龐雜，關鍵在於迴歸顧客需求，圍繞消費者，將所有模塊的結論都引導到消費者上去，才能避免數據說謊，做出類似"提升包郵門檻的情況下保證轉化率不下降"等反顧客需求的結論。
如何避免數據說謊？
第一，要讓數據分析的團隊具備更專業的分析能力。要想分析一個動作是否有效，抽取一小部分樣本進行對比，使其更真實地反饋這個動作帶來的變化，讓數據說真話。
第二，是當不同的團隊出現數據分析有歧異的時候，用消費者需求的邏輯判斷。
第三，要給團隊更多的自主權，鼓勵大膽試錯。有些結論無法分清對錯，只要過程沒問題，結論不違背常識性的原則，不違反顧客真實的需求，就值得去嘗試。
對於決策與支持，如果全部靠領導決策，那團隊怎麼成長呢？領導要乾的事情就是讓過程變得規範，讓團隊能夠快速的成長。要想培養一個能夠快速改進的環境和隊伍出來，修跑道更重要。
數據分析更多的是一種方法或者工具，關鍵是怎麼用。最終數據分析起到多大的作用，還是取決於其背後的導向，是消費者導向還是競爭對手導向。
