# 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。

Source: https://www.electe.net/tc/post/examples-of-conceptual-models

Site guide: https://www.electe.net/tc/llms.txt

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](https://mariadb.com/docs/general-resources/database-theory/database-design/database-design-phase-2-conceptual-design)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](https://advocacy.sba.gov/wp-content/uploads/2025/09/Research-Spotlight-AI-in-Business-Small-Firms-Closing-In_-092425.pdf)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](https://www.electe.net/post/promotion-optimization-in-retail)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](https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/04/empowering-smes-in-the-age-of-ai_7f58652c/bf5a9816-en.pdf)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](https://www.electe.net/post/ai-adoption-european-sme-barriers)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](https://www.revenuenomad.com/post/the-crucial-role-of-data-for-a-chief-revenue-officer-cro)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](https://www.electe.net),了解平台運作方式並申請專屬示範。
