如果零售商完全依赖最近的历史数据，他们可能会得出这样的结论:英国消费者在3月份购买每年供应的卫生纸和意大利面。为什么?2020年3月初，英国消费者预计该国将进入封锁状态。这引发了恐慌性抢购，尤其是对这些主食的抢购。如今，这些信息仍保存在公司的客户洞察和营销数据库中，以及其他预测性买家行为，如12月的火鸡销量或10月的南瓜销量。但哪些行为可能会重复，哪些是异常现象?

这一问题在2019冠状病毒病后仍在继续(希望如此!)，因为一些行业出现了大幅反弹。企业在经历了50-100%的同比增长后，是否应该相信这是一种趋势，并计划在未来一年保持同样的增长?这样做可能是明智的，但也可能意味着无法实现预期，库存积压。

这个问题已经超出了供求关系和客户参与数据的范畴。例如，我发现有证据表明，虚拟活动的出席率正在下降与对亲自出席活动犹豫不决——这是一个不受欢迎的双重打击。

一位同事最近提出，虽然对人们来说，什么数据代表一种趋势可能很明显，但对算法来说，这可能不那么明显。Forrester在2022年的市场调查中强调了这一问题，受访者认为快速变化的商业环境使历史数据变得毫无意义，这是最大的测量和分析挑战。

营销领导者必须仔细考虑如何解释和使用可能异常的数据。想想我第一份工作中的这个例子:当一些客户访问我公司的网络运营中心时，巨大的数字网络地图亮起了红色警告。参观者很兴奋能亲眼目睹网络危机的应对;然而，员工们若无其事地继续工作。当他们询问演讲者时，他说我们不希望在网络中心出现所谓的无头鸡，他们对数据做出不经思考的反应(这是前ml /AI)。潜入网络并根据数据的短期变化立即进行更改通常是有害的。他们的策略是等着看数据点是否会成为趋势，然后再采取行动。似乎是为了证明他的观点，红色警报开始从屏幕上消失，网络恢复正常。

没有什么神奇的公式可以让营销人员决定如何处理过去三年的客户和市场数据。所有企业都是不同的，每个企业都需要考虑自己的情况，以及疫情对客户和市场购买模式的影响。根据这些信息，公司可以决定您捕获的数据是否仍然有效、是否需要校准、是否应该隔离或是否应该删除。重要的是，你要有意识地做出决策，避免梦游中自动出现数据驱动的错误，这些错误可能会严重影响业务绩效或资产负债表。