商業分析概念模型的 5 個範例
探索 5 個商業分析概念模型範例,從 ER 圖到星型綱要,並了解如何應用每一種模型。

零售經理問你:為什麼同一個促銷活動在某個地區有效,在另一個地區卻失敗?銷售報表列出了營收、折扣和銷售數量,但沒有人能解釋,差異究竟來自顧客行為、產品供應,還是各門市執行優惠的方式。你可以再加一個儀表板,但各項因素之間的關係仍然不清楚。
問題通常不只出在儀表板,而是數據背後缺少一份藍圖:每筆記錄代表什麼、哪些因素可能影響結果,以及什麼證據足以讓你調整做法。概念模型能在你將報表自動化,或依據 AI 產生的建議採取行動之前,把這些假設明確列出來。
以下五個概念模型範例,提供五種建立這份藍圖的方式,涵蓋數據關係、專案成效、商業策略、分析結構和技術採用。每一種模型各自回答一個不同的商業問題,都能從一份容易上手的草圖開始,也各有明確的限制。你不必成為資料庫架構師或研究人員,只需要一個值得改善的決策,以及願意檢驗其背後假設的態度。
1. 實體關係模型釐清商業分析背後的數據
商業問題:哪些顧客購買了哪些產品?你能信任這些記錄之間的關聯嗎?
實體關係模型(Entity-Relationship model,簡稱 ER 模型)描繪組織所追蹤的對象、其屬性,以及彼此之間的關係。MariaDB 概念設計指南說明了如何區分商業概念與資料庫實作,內容包括選擇性、必要性以及不同的關係基數(cardinality)。
以線上零售商為例,可以從顧客、訂單、訂單明細和產品開始。顧客下訂單;訂單包含多筆訂單明細;每筆訂單明細對應一項產品。將訂單明細獨立出來非常重要,因為顧客在同一張訂單中會購買不同的產品和數量。如果把這些明細併入訂單記錄,購物籃分析所需的細節就會消失。

從關係入手,而不是從匯入的資料表入手
在畫方框之前,先用白話寫出各項關係。請銷售或營運人員提出質疑,尤其是在取消訂單、訪客結帳、退貨或共用帳號讓情況變複雜的地方。光是訪客結帳,就必須決定訂單是否可以在沒有已識別顧客的情況下存在。
- 定義身分識別:明確指出什麼能唯一識別每位客戶、每筆訂單和每項產品,並確認在整合多個系統後,這些識別碼仍然保持唯一。
- 標示參與關係:決定訂單是否可以在沒有已識別客戶的情況下存在,以及每筆訂單是否都必須包含訂單明細。
- 測試完整流程:追蹤一次購買從付款、出貨到取消和退款的全過程。缺漏的關聯在這裡最容易浮現。
接著,把這些白話敘述轉換成圖表,讓分析師和開發人員能一起審閱。在白板上修正一個錯誤的方框成本很低,但若同樣的錯誤已進入上線的報表,修正成本就很高。
它的限制:ER 模型描述的是結構。它能記錄客戶購買了某項產品,但電子郵件是否促成了這次購買,則需要因果分析,這是圖表無法提供的。
實用原則:在信任合併後的報表之前,先檢查資料表連接是否讓您要衡量的事件重複計算。把訂單明細中的訂單總額加總,會讓同一筆訂單按明細行數重複計算,這是悄悄高估營收的常見原因。
同樣的方法也適用於連接患者、預約和醫療提供者的診所,或連接帳戶、訂閱和發票的訂閱制公司。對於個人或臨床資訊,請不要把不必要的識別碼放進分析用的匯出資料,並依角色限制存取權限。
2. 邏輯模型將計畫支出與可衡量的成果連結起來
忠誠度行銷活動可以產生大量互動,卻未必能提升客戶留存率。行銷團隊發送優惠,客戶開啟訊息,主管為互動數字感到欣喜。但這些都無法證明活動改變了購買行為。
邏輯模型將投入、活動、產出、成果和影響區分開來。它要回答的商業問題很直接:這項投資應如何帶來有用的改變?什麼跡象能顯示這條鏈條沒有發揮作用?
以零售商為例,可行的模型可能如下:
- 投入:交易紀錄、行銷預算、人員工時,以及可用的客戶授權。
- 活動:篩選符合資格的客戶、準備相關優惠,並發送精準訊息。
- 產出:已送達的優惠和觸及的客戶。
- 成果:重複購買,以及折扣後的邊際貢獻。
- 影響:更有價值、更持久的客戶關係。
從想要的改變倒推規劃
從預期成果出發,再找出要達成該成果必須先改變的行為,最後才決定哪些活動值得投入資金。
針對每個階段,請記錄一項指標、其定義、其資料來源,以及將它與下一階段連結起來的假設。這個衡量層能把一張好看的圖表變成可實際運作的工具。美國小型企業管理局倡議辦公室(SBA Office of Advocacy)對企業使用 AI 的分析發現,使用 AI 的小型企業平均約有兩個應用情境,這提醒我們:應建立一套完整連貫的決策流程,而不是堆疊彼此脫節的應用。
它的局限:箭頭可能讓一個未經驗證的解釋看起來像已被證實。使用優惠的顧客本來可能就更忠誠,而季節性需求也可能是表面上成效提升的原因。
產出(output)告訴你團隊做了某件事;成果(outcome)則告訴你是否真的有所改變。
在上線前先設定基準線;在可行的情況下,將被指定接收優惠的合格顧客與合適的對照組進行比較。除了回購率之外,也要監控毛利與退貨情況,避免折扣掩蓋了無利可圖的行為。
在公共衛生領域,同樣的架構可將社區工作坊與篩檢參與率,以及最終的健康成果連結起來。在金融領域,則可將提醒活動與付款行為及應收帳款表現連結起來。這些都是評估框架,不能取代臨床判斷、財務建議或合規審查。
3. 商業模式圖讓策略假設一目了然
商業問題:這項產品或服務能否在為顧客創造價值的同時,涵蓋交付所需的成本?
商業模式圖(Business Model Canvas)與 Alexander Osterwalder 和 Yves Pigneur 相關,它將企業的主要組成要素放在同一頁上。這些要素包括目標客群、價值主張、通路、客戶關係、收益來源、關鍵資源、關鍵活動、關鍵合作夥伴及成本結構。
與 ER 模型不同,它並不描述資料紀錄之間如何連結,而是協助您的領導團隊檢視客戶需求、營運與經濟效益如何相互配合。

將每個區塊轉化為可檢驗的假設
假設一家餐盒公司以省時食譜鎖定忙碌的家庭。它的商業模式圖會把這項承諾與訂購通路、定期付款、食材供應商、食譜開發、包裝、配送及客戶支援連結起來。
第一個建置步驟,是同時完成目標客群與價值主張。光寫「家庭」這樣籠統的標籤並不夠。請明確說明誰會購買、他們想解決什麼問題,以及為什麼您的產品可能勝過他們目前的替代方案。
接著,為可能改變您決策的假設附上證據:
- 客戶需求:訪談可能的買家並檢視購買行為,而不只是看他們表達的興趣。
- 通路經濟效益:評估市集平台營收時,請納入佣金、履約、退貨與支援成本。
- 交付能力:檢查供應商與營運在需求高峰期是否能支撐這項承諾。
- 營收品質:將經常性需求與靠折扣維持的購買區分開來。
局限之處:團隊可能把填滿的畫布誤認為已驗證的商業模式。一頁填得整齊的內容,無法證明客戶願意付費、獲客成本可行,或交付穩定可靠。
若 B2B 訂閱制公司要比較免費增值模式與直銷模式,請分別建立畫布。免費增值會改變客戶導入、支援、轉換與基礎設施的需求;直銷則會改變人員配置、採購週期與客戶關係。
當營運數據與某項假設相矛盾時,就應重新檢視各區塊。畫布要保持精簡,但佐證的計算應另行保存。當圖表是用來啟動測試,而不是為討論畫下句點時,這些概念模型範例最能發揮效用。
4. 星狀綱要用於整理零售銷售與促銷分析
雜貨店經理需要比較各門市、各產品與各交易期間的促銷成效。營運資料庫雖然具備所需資料,但分析人員一再重建資料表關聯,對「銷售額」的定義也各執己見。
星狀綱要(star schema)以一張中央事實表為核心來組織分析,事實表記錄可衡量的事件,周圍則是維度表,記錄事件的描述性背景。日期、門市、產品、客戶與促銷是常見的維度。
嚴格來說,星狀綱要通常是邏輯維度設計,而不只是概念模型。不過它的概念草圖仍然有用,因為在任何人建立報表結構之前,它能促使大家先就要衡量的事件達成共識。

先定義粒度,再選擇度量
業務問題:銷售額、折扣與毛利如何隨產品、門市、促銷和時間而變化?
建置的第一步是寫下粒度,也就是每筆事實記錄究竟代表什麼。就零售銷售而言,交易明細行通常很實用,因為它能保留產品層級的數量、價格與折扣細節。
Ralph Kimball 與 Margy Ross 與維度建模關係密切。對您的團隊而言,實務上的啟示是:讓度量與粒度保持一致,而不是把所有可用指標都放進同一張表。
- 分開不同事件:銷售、庫存快照與網站訪問屬於不同事件,需要各自適當的事實表。
- 共用維度:在比較銷售與庫存時,使用一致的產品、門市與日期定義。
- 保留背景資訊:為了歷史分析,保留相關的售價、折扣與產品分類。
- 核對總額:將模型中的營收與來源系統比對,包括退貨與取消的訂單。
局限之處:混用粒度會得出看似合理但並不正確的總額。例如,將門市層級的庫存直接與交易明細行關聯,可能導致庫存數量重複計算。
設計警示:銷售模型可以描述促銷成效,卻無法證明促銷就是造成該結果的原因。
在零售促銷優化策略中,不要只看營收,還要比較毛利、庫存可得性與顧客行為。電商轉換模型同樣需要工作階段或訪客資料;銷售交易紀錄無法告訴你有多少訪客沒有購買就離開。
5. 科技接受模型可診斷分析工具的採用障礙
你的報表平台運作正常,儀表板也能順利載入,但主管們仍然在匯出試算表。在安排更多培訓之前,先弄清楚他們是懷疑系統的價值,還是不知道怎麼使用。
科技接受模型(TAM,與 Fred Davis 相關)以感知有用性和感知易用性為核心。這兩種信念有助於解釋使用者採用系統的意願,但並不保證持續使用或帶來商業價值。
業務問題:什麼會讓員工選擇這套分析工作流程,而不是沿用目前的做法?

在問卷之外,觀察真實任務
先進行簡短問卷與任務觀察。詢問員工系統是否有助於完成工作、在哪些地方遇到困難,然後觀察他們準備銷售摘要、調查庫存問題或檢視警示的過程。
對製造業者而言,報表展示應說明主管如何從原始資料出發,進行可付諸行動的生產討論。對零售業者而言,可與門市經理一起試行預測功能,並蒐集他們對說明內容、手動調整及缺漏背景資訊的回饋。
採取行動前,先區分障礙類型:
- 有用性低:展示相關的決策情境、改善所提供的資訊,或移除沒人需要的報表。
- 易用性低:簡化導覽、提供依角色設計的指引,並解決權限存取問題。
- 信任度低:說明各項定義、揭露缺漏的資訊,並讓員工知道如何對輸出結果提出質疑。
OECD 關於 AI 時代中小企業賦能的報告指出,56.6% 的受訪中小企業僅將 AI 用於零散的個別任務。這個區別很重要:偶爾嘗試不等於已納入營運流程。
局限之處:單靠 TAM 無法涵蓋所有限制。員工可能喜歡某套系統,卻沒有採取行動的權限;而強制使用則可能讓採用數字看起來很漂亮,實際成效卻不佳。
運用 ELECTE 針對歐洲中小企業的分析來規劃採用討論,接著追蹤已完成的任務、修正次數與持續使用情況。對於財務風險工作流程,應保留人工審核、決策責任歸屬、稽核紀錄與適當的存取控管;自動警示並不等於授權採取重大行動。
五種概念模型一覽比較
項目 | 提出者與年份 | 核心組成 | 最適用途 | 典型商業應用 |
|---|---|---|---|---|
實體關係(ER)模型 | Peter Chen,1976 年 | 實體、屬性、關係、主鍵 | 設計與溝通資料結構 | 為客戶、訂單與產品分析規劃資料庫 |
邏輯模型 | 由 W.K. Kellogg Foundation 於 2004 年推廣 | 投入、活動、產出、成果、影響、指標 | 將資源與活動連結至可衡量的成果 | 評估各項計畫並追蹤專案績效 |
商業模式圖(Business Model Canvas) | Alexander Osterwalder 與 Yves Pigneur,2010 年 | 涵蓋客戶、價值、營運與財務的九大區塊 | 描繪或驗證企業如何創造並獲取價值 | 比較商業模式、定價與通路 |
星狀結構(Star Schema) | Ralph Kimball 與 Margy Ross;1996 年推廣 | 中央事實表與周圍的維度表 | 快速、易用的商業資料分析 | 依產品、門市、日期與促銷分析銷售 |
科技接受模型 | Fred Davis,1989 年 | 知覺有用性、知覺易用性、態度、意圖 | 了解並提升科技採用率 | 規劃分析工具的採用、培訓與推行 |
將五種模型化為更精準的分析計畫
最好的概念模型範例各自回答不同的問題,而不是爭奪同一項工作。ER 模型釐清資料結構;邏輯模型將資源與活動連結到成果;商業模式圖(Business Model Canvas)則讓策略假設一目了然。
星狀結構(star schema)為分析人員提供一致的架構,方便比較銷售數據。TAM(科技接受模型)則可協助你判斷員工是否感受到足夠的價值、易用性與信任感,進而採用新的工作流程。選對模型,能在爭議進入報表之前,減少本可避免的分歧。
關鍵要點
- 先確定決策:用白話寫下問題,例如是否要重複舉辦區域促銷。
- 只描繪相關的關係:納入回答該問題所需的實體、成果或信念。
- 附上證據:定義指標、標明來源系統,並記錄尚未驗證的假設。
- 設定檢驗點:決定什麼樣的證據會讓你修正模型,或推翻其解釋。
- 明確權責:指定由誰維護定義、審查例外情況,以及核准重大行動。
你可以組合多種模型,而不必讓專案淪為文件作業。零售商可以用 ER 草圖釐清來源記錄,用星狀結構整理分析,再用邏輯模型評估行銷活動。當挑戰從產出洞察轉為讓主管實際運用時,再加入 TAM。
對營收主管而言,這種方法也能讓營收長的資料優先事項討論更聚焦:先從商業決策出發,再確認有哪些證據支持它。增加報表無法解決客戶定義不明、毛利計算不一致或成長假設未經驗證的問題。
本週,請圍繞團隊反覆討論的一個商業問題畫出模型。找一位熟悉營運的同事一起檢視,追溯現有證據,並找出最可能改變你決策的假設。這就是邁向更快速、更有把握的分析的實用基礎。
ELECTE 是專為中小企業打造的 AI 驅動數據分析平台,將企業數據與預測、自動化報告和可執行的洞察連結起來。歡迎帶著你的模型和一個具體的業務問題來預約示範,了解這套結構如何轉化為報告工作流程。請造訪 ELECTE,了解平台運作方式並申請專屬示範。

留言
尚無留言——開始討論吧。