这两家在定位和规模上都十分接近的品牌，在供应链部署上却有着截然相反的决策。Zara采用了垂直整合生产模式，在西班牙建造了覆盖方圆200英里的生产基地。由位于中心的20个高度自动化的染色和剪裁中心以及周边500家小型或家庭作坊式缝制外包工厂组成。200英里的地下挖空架设了地下传送网络，保证各环节的高效运输。
而H&M的生产制造链则全部采用了外包模式，与全球700家独立供应商进行合作。这些供应商通常分布在人力资源丰富，成本低廉的亚洲地区。两种供应链模式都在强大的数据监管平台下不断进行效率优化，但决策的区别也逐渐使得两家品牌的竞争优势明显差异化。Zara的优势在于3倍于H&M的推新数量，更快的时尚迭代以及高效的物流运输，而H&M则依靠30-50%的价格优势同时更高的净利润率吸引着对价格更敏感的消费群体。
案例：啤酒-尿布”购物篮
在以上的案例中，数据分析通常是支持以及修正决策的依据，前提是对业务有基本的理解。但在另一些场合，数据分析也可以“歪打正着”地挖掘出隐藏的行为关联，这里需要点运气，也需要些想象力。著名的“啤酒-尿布”购物篮案例就是从沃尔玛销售数据中发现并推导出的用户行为。
在Ben Wellington对于纽约市政府公开数据的分析中，竟然无意中发现了个最麻烦的“停车位”(完整版https://youtu.be/lz_kIDxbzGA)。
Ben把市府公开的违停罚单地址提取后创造性地以所有消防栓的定位进行了分析，发现除去右上角那一片停哪儿都得罚的魔鬼区域，地图下方的两个消防栓区域竟然贡献了58,000刀一年的高额罚单收入！
通过现场勘查，他发现这两个消防栓外围的人行加宽通过区域常常被司机误认为停车位，就连Google的街景车也被开过罚单。
虽然一直没有人抱怨过罚单的事，但在Ben出具了分析结果后，纽约市警察局重新绘制了停车区域线，终结了这个长达5年的魔鬼停车位。
所以，如果你对数据分析已经有了一点兴趣，那么开始挖掘你身边的“宝藏”吧！
接下来我们将推送一系列文章，教你如何开展数据分析，有兴趣的小伙伴持续关注吧：
- 数据准备、连接和导入
- 数据建模
- 本地数据的快速分析工具
- 数据分析及可视化
- 数据管理工具
- 移动端的分析功能
- 数据分析工具集成
- 数据自定义功能设计
我们会每周推送商业智能、数据分析资讯、技术干货和程序员日常生活，欢迎关注我们的头条&知乎公众号“微策略中国”或微信公众号“微策略 商业智能"。
