数据自动收集。
商业数据是７－Ｅｌｅｖｅｎ进行高效运作的基础。负责台湾７－Ｅｌｅｖｅｎ信息建设的统一资讯总经理赖南贝表示：“从过往销售的案例显示，数据比经验更会说话。”
数据自动收集（ａｕｔｏｍａｔｉｃ ｄａｔａ ｃｏｌｌｅｃｔｉｏｎｏｒ ｃａｐｔｕｒｅ，ＡＤＣ）是各种数据自动收集技术的总称。７－Ｅｌｅｖｅｎ十分重视数据的收集，日本７－Ｅｌｅｖｅｎ信息总监（ＣＩＯ）曾说过：“我认为竞争的性质是在不停变化的。企业是在被消费者的需求所推动，而不是提供的产品改变了消费者。在这种环境下，门店便是一个战场--商家与消费者的接触面。在这个接触面上，有着众多的信息。”为此，７－Ｅｌｅｖｅｎ热衷于利用各种手段收集商业数据。
１．条形码（ｂａｒｃｏｄｅ）
条形码是将线条与空白按照一定的编码规则组合起来的符号，用以代表一定的字母、数字等数据。在进行辨识的时候，用条形码阅读机扫描，得到一组反射光信号，此信号经光电转换后变为一组与线条、空白相对应的电子信号，经译码后还原为相应的英文数字，再传入计算机。条形码辨识技术已相当成熟，其读取的错误率约为百万分之一，首读率大于９８％，是一种可靠性高、输入快速、准确性高、成本低、应用面广的数据自动收集技术。
２．磁条（ｍａｇｎｅｔｉｃ ｓｔｒｉｐｅ）
磁条本身为一磁性物质，经过录卡机将数据写入之后，便可用卡片阅读机读取磁条上所存的数据，故磁条本身即具有储存数据的功能。
３．光学字符辨识（ｏｐｔｉｃａｌ ｃｈａｒａｃｔｅｒ ｒｅｃｏｇｎｉｔｉｏｎ）
采用人和机器均可识别的印刷符号（包括数字或文字等），再用光学辨识器扫描，完成数据辨识和数据输入。
４．智慧卡（ｓｍａｒｔ ＩＣ ｃａｒｄ）
智能卡即ＩＣ卡（ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ ｃａｒｄ），其原理是将集成电路封装于塑料卡片上，由于内有微处理器及储存设备，因此可以将安全控制软件建置在卡片中，从而解决传统磁卡安全性低、不适合离线处理等缺点。
５．语音辨识（ｓｐｅｅｃｈ ｒｅｃｏｇｎｉｔｉｏｎ）
语音辨识最主要的目的就是希望让人类以自然语言命令计算机执行对应的工作。主要利用模式识别技术提取语音讯号特征，与声音样本进行比对后，输出最相似的声音样本序号，进而命令计算机做事。
６．机器视觉（ｍａｃｈｉｎｅ ｖｉｓｉｏｎ ｓｙｓｔｅｍ，ＭＶＳ）
使用高辨识率的照相机来收集数据，通过讯号处理后经电路直接输入计算机中。目前这种技术主要用于自动检查、自动分类，以及图像识别，例如图像扫描仪等。
７．微电路设计（ｍｉｃｒｏ－ｃｉｒｃｕｉｔｒｙ）
利用微电路来感应外界信息，将模拟讯号（ａｎａｌｏｇ）转为数字讯号（ｄｉｇｉｔａｌ）后自动输入计算机，例如销售点管理系统（ＰＯＳ）所用的电子秤等数值控制仪器。
８．无线频率辨识（ｒａｄｉｏ ｆｒｅｑｕｅｎｃｙ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）
结合电子感应器与微波传送的技术，透过无线微波将远程所发送过来的数据自动接收输入计算机，目前较常应用在产品分类追踪、车辆追踪管理等方面。
例如，日本７－Ｅｌｅｖｅｎ通过应用最为广泛的ＰＯＳ收银机，可以很容易地收集到有关商业数据，见下表。
７－Ｅｌｅｖｅｎ数据系统面广，能收集详细的销售点数据，包括产品识别、数量、购买时日及对客户的年龄和性别的估计。这些数据在ＩＳＤＮ线路上集合并传送至７－Ｅｌｅｖｅｎ总部，控制便利商店全部电脑设备和外设的便利商店计算机系统对数据进行处理。便利商店计算机可使便利商店经理对每小时销售趋势及客户群体的全部库存单位（ＳＫＵ）脱销率进行分析。
由于７－Ｅｌｅｖｅｎ采用的数据自动收集技术不使用人工方式来收集数据（ｄａｔａ ｃｏｌｌｅｃｔｉｏｎ）及登录数据（ｄａｔａ ｅｎｔｒｙ），因此减少了人为错误，降低了数据收集的时间及成本。
数据自动收集的优势显而易见，研究显示，人工登录的速度平均每分钟１２０个字符，其错误率约为１/３００；换言之，每登录３００个字符，就会有１个字符是错的。但若换成条形码的方式来自动收集数据，平均每分钟可收集２ ４００个字符，错误率大幅降低为１/１ ５０００；换言之，速度增加２００倍，错误率则大大降低，其成本效益相当明显。数据自动收集可快速（ｓｐｅｅｄｙ）、正确（ａｃｃｕｒａｔｅ）、自动（ａｕｔｏｍａｔｉｃ）地将数据输入计算机，其效益可分成直接效益与间接效益。
遍布全球的便利商店中，７－Ｅｌｅｖｅｎ的数据库规模之大难以想象，在世界上也只有美国国家航空和航天局（ＮＡＳＡ）的数据库能与其比肩！
数据仓库的应用。
７－Ｅｌｅｖｅｎ就是通过加大计算机软硬件系统建设，利用条形码、编码系统、销售管理系统、客户资料管理及其他业务数据，积极进行关于商品销售、客户信息、货存单位及门店信息等的信息资料的收集。数据从各种应用系统中采集，经条件分类，放到数据仓库里，利用ＤＭ工具对这些数据进行分析，为他们提供高效的科学决策工具。如对商品进行购物篮分析，分析哪些商品顾客最有希望一起购买。通过数据仓库，７－Ｅｌｅｖｅｎ公司可以一天三次收集所有商店的销售信息，并在２０分钟内分析完毕。这就使７－Ｅｌｅｖｅｎ公司可以更快地分辨出哪些商品或包装吸引顾客。７－Ｅｌｅｖｅｎ的销售和产品开发的能力是令人生畏的。它感受新趋势并研制出高质量产品的能力，远远高出其他的制造商。现在７－Ｅｌｅｖｅｎ公司正利用这些技能来增加有更高利润的自有品牌产品的开发。利用ＤＷ、ＤＭ的结果，使７－Ｅｌｅｖｅｎ在很多方面有卓越表现。
（１）了解销售全局。通过分类信息--按商品种类、销售数量、商店地点、价格和日期等了解每天的运营和财政情况，通过数据仓库收集到详细的销售点数据，包括产品识别、数量、购买时日及对客户的年龄和性别的估计。这些数据在ＩＳＤＮ线路上集合并传送至７－Ｅｌｅｖｅｎ总部，控制便利商店全部电脑设备和外设的便利商店计算机系统对数据进行处理。便利商店计算机可使便利商店经理对每小时销售趋势及客户群体的全部库存单位（ＳＫＵ）脱销率进行分析。这是７－Ｅｌｅｖｅｎ实现无缝隙供应链的主要原因。
（２）商品分组布局。分析顾客的购买习惯，考虑购买者在商店里所穿行的路线、购买时间和地点，掌握不同商品一起购买的概率；通过对商品销售品种的活跃性分析和关联性分析，用主成分分析方法，建立商品设置的最佳结构和商品的最佳布局。７－Ｅｌｅｖｅｎ总部使用统计方法对这些详细数据进行分析，找出关联性、趋势、便利商店和产品的特殊关系。这些结果由高级管理人员每周进行审查。该分析有助于确定上架哪些产品、补充计划、便利商店种类管理、货架摆设及一些商店的特别送货要求。
（３）降低库存成本。通过数据挖掘系统，将销售数据和库存数据集中起来，通过数据分析，决定对各个商品各色货物进行增减，确保正确的库存。数据仓库系统还可以将库存信息和商品销售预测信息，通过电子数据交换（ＥＤＩ）直接送到供应商那里，这样省去商业中介，而且由供应商负责定期补充库存，零售商可减少自身负担。７－Ｅｌｅｖｅｎ通过建立共同配送中心、与供应商结成战略联盟等手段，利用数据仓库，他们可以通过网上供货商随时补充货源，实现对库存商品更有效的控制，达到最小库存量，并且在其零售终端--７－Ｅｌｅｖｅｎ门店做到了零库存。
（４）市场和趋势分析。利用数据挖掘工具和统计模型对数据仓库的数据仔细研究，以分析顾客的购买习惯、广告成功率和其他战略性信息。利用数据仓库通过检索数据库中近年来的销售数据，作分析和数据挖掘，可预测出季节性、月销售量，对商品品种和库存的趋势进行分析。还可确定降价商品，并对数量和运作作出决策。
例如，因为目前消费者的忠诚度变得越来越低，产品的生命周期也在逐渐缩短。盒饭、饭团和三明治（构成了便利商店差不多一半的日常销售额）的盛行也是短期的。大部分商品可以持续七周，甚至更短。日本７－Ｅｌｅｖｅｎ可以通过注意天气变化来把握这几种常用食品的需求。每天有５份不同的报告通过系统从上百个私人天气中心（每个覆盖半径为２０公里）传送到公司的所有门店。这种做法在日本（两个相距４０公里的城市温度可以相差５℃）是相当有用的。这个报告也把当天的温度与前一天的相比较。有关人士指出，同样是１０℃但感觉可以是不同的。因为这要依据前一天的温度是１℃还是２０℃。这正是预测食品销售的关键。
（５）有效的商品开发。可以通过对一种厂家商品在各连锁店的市场共享分析、客户统计以及历史状况的分析，来确定销售和广告业务的有效性。通过对顾客购买偏好的分析，确定商品促销的目标客户，以此来设计各种商品促销的方案，并通过商品购买关联分析的结果，采用交叉销售和向上销售的方法，挖掘客户的购买力，实现准确的商品促销与开发。典型的如７－Ｅｌｅｖｅｎ和朝日啤酒公司、乐天公司共同开发的新感觉低酒精“朝日冰冻鸡尾酒”的两个品种（冰冻草莓代基里ＦＲＯＺＥＮＳＴＲＡＷＢＥＲＲＹＤＡＩＱＵＩＲＩ、冰冻螺丝起子ＦＲＯＺＥＮＳＣＲＥＷＤＲＩＶＥＲ），就是通过数据仓库分析消费者需求偏好，再与供应商、生产商合作开发的，因符合消费者偏好而一炮打响，成为众多７－Ｅｌｅｖｅｎ食品饮料家族中的一个明星。
７－Ｅｌｅｖｅｎ对数据仓库的利用，经历过以下几个阶段。
１．第一阶段：报表。
最初的数据库主要用于公司内部的报表。数据仓库把机构内不同来源的信息集成到一个单一的仓库中，就可以为公司跨职能或跨产品的决策提供重要参考。因此，数据库的结构可根据问题的要求进行优化，即使数据查询人员要求访问的信息量极其巨大，处理这些资料的效率仍然可以很高。
构建第一阶段的数据仓库所面临的最大挑战是数据集成。传统的计算环境经常有上百个数据源，每一数据源都有独特的定义标准和基本的实施技术。要对这些放在不同生产系统之中、不具备一致性的数据进行清洗，建立一致性的数据存储库是非常具有挑战性的。
第一部分是门店信息。这是来自各门店的第一手且最直接的市场信息。包括：单品信息（如某一种商品销售动向、脱销时间、顾客反映资料）；分类信息（即各类商品的销售动向分析）；销售信息（即各种营业时间段的销售额、顾客层次分析）；营业信息（如门店的损益计算表、资产负债表）；进货信息（主要是商品的质量、规格、品种、进货数量报告书）。
第二部分是部门信息。主要由公司商品部、经营部、财务部等业务部门提供。如商品部收集某一商品的单品销售信息、全门店分类别的商品销售数据；经营部制作商品销售动向比较分析、各门店单品销售动向、各门店销售额一览表等；财务部提供各门店的应收账款表、设备维修费用表、汇款与利润表等。
２．第二阶段：分析预测。
在数据仓库应用的第二阶段，７－Ｅｌｅｖｅｎ的决策者关心的重点发生了转移--从“发生了什么”转向“为什么会发生”。分析活动的目的就是了解报表数据的含义，需要对更详细的数据进行各种角度的分析。其中的性能管理依赖于关系型数据库管理系统（ＲＤＢＭＳ）的先进优化功能，因为这与纯报表环境不同，信息查询的结构关系是无法预知的。
当７－Ｅｌｅｖｅｎ公司决策过程得到量化以后，对经营动态的情况以及这种情况为什么发生都会有所体验，下一步就是要将信息用于预测了。很明显，掌握公司即将发生的动向意味着更为积极地管理和实施公司战略。
３．第三阶段：创建预测模型。
数据仓库发展的第三阶段就是提供数据采集工具，以便利用历史资料创建预测模型。
利用预测模型进行高级分析的最终用户为数不多，但建模及评测的工作量极大。一般而言，建模需要用数百种复杂方法度量几十万（或更多）的观察数据，以便形成适合于一组特定商业目标的预测算法。评测也常常被用于大量（数百万）的观察数据，因为需要对整体进行评测，而不是对建模所用的少量数据进行评测。
依托信息系统的有力支撑，７－Ｅｌｅｖｅｎ公司的信息部门对所获取的源源不断的信息，及时进行数据处理和汇总分析，并且有针对性地提出对策、建议，由公司总部研究后迅速作出调整经营策略、加强企业管理、提高服务水平的决策，使企业能够不断随着市场需求的变化而在竞争中获得发展。
４．第四阶段·押营运导向。
数据仓库演变的第四阶段是动态数据仓库。第一到第三阶段的数据仓库都以支持企业内部战略性决策为重点，第四阶段则重在战术性决策支持。数据仓库对战略性决策的支持是为企业长期决策提供必需的信息，包括市场细分、产品（类别）管理战略、获利性分析、预测和其他信息。战术性决策支持的重点则在企业外部，为执行公司战略的员工提供支持。
一般而言，数据仓库的“运作”是指为现场当时决策提供信息，例如及时库存补给、包裹发运的日程安排、路径选择等。许多零售商都倾向于由供货方管理库存，自己则拥有一条零售链和众多作为伙伴的供货厂商，其目的是通过更有效的供货链管理来降低库存成本。为了使这种合作获得成功，他就必须向供货商提供有关销售、促销推广、库内存货等详细信息的知情权，之后便可以根据每个商店和每个单品对库存的要求建立并实施有效的生产和交货计划。为了保证信息确实有价值，必须随时刷新信息，并对查询作出非常快的响应。
以７－Ｅｌｅｖｅｎ的商品配送为例，统筹安排货运车辆和运输路线，这需要进行非常复杂的决策。
运输车究竟等待多长时间，取决于需卸装到该车辆的所有延迟货物的服务等级和已经装载到该车辆的货物的服务等级。很显然，２０分钟就应该抵达目的地的货物和两个小时后才需抵达目的地的货物，二者的服务等级及其实现难度是大不相同的。延误货物的运输路线、天气条件和许多其他的因素也应予以考虑。能够在这种情况下作出明智的决策，相当于解决了一个非常复杂的优化问题。
显而易见，共同配送中心在先进决策支持功能的帮助之下，有效地提高其计划和路径选择的决策质量，作为决策基础的信息保持随时更新。这就是说，为了使数据仓库的决策功能真正服务于日常业务，就必须持续不断获取数据并将其填充到数据仓库中。战略决策可使用按月或周更新的数据，但以这种频率更新的数据是无法支持战术决策的。此时，查询响应时间必须以秒为单位来衡量，才能满足作业现场的决策需要。
５．第五阶段：动态性。
动态数据仓库在决策支持领域中的角色越重要，企业实现决策自动化的积极性就越高。在人工操作效果不明显时，为了寻求决策的有效性和连续性，企业就会趋向于采取自动决策。在电子商务模式中，面对客户与网站的互动，企业只能选择自动决策。网站中或ＡＴＭ系统中所采用的交互式客户关系管理（ＣＲＭ）是一个产品供应、定价和内容发送各方面都十分个性化的客户关系优化决策过程。这一复杂的过程在无人介入的情况下自动发生，响应时间以秒或毫秒计。
利用数据仓库，７－Ｅｌｅｖｅｎ不断开发、提供新的商品及服务，比如，设置银行ＡＴＭ，基本上３６５天、每天２４小时随时都可以存取现金、确认余额、汇款，可以通过触摸屏帮助顾客进行在线购物和提供通讯服务；将现有服务和电子商务结合，顾客可以随时到附近的门店领取东西、支付货款。另外，７－Ｅｌｅｖｅｎ还开展了熟菜和新鲜餐饮送货上门服务、费用代收服务等。
