CRM、ERP、POS 資料不一致時,AI 仍可協助分析,但前提是企業先界定各系統的角色、建立 Mapping 與對帳規則,並讓答案揭露口徑與資料缺口。AI 不能替企業決定哪一套數字天然正確。
CRM 以會員關係為中心,ERP 關注財務與履約,POS 記錄交易當下。三者服務目的不同,數字有差異並不意外;真正危險的是團隊不知道差異從哪裡來。
最常見的六種不一致
- 會員 ID、客戶編號與電話無法一對一對應。
- 商品 SKU、組合品與贈品編碼不同。
- 下單、付款、出貨、取貨與認列時間不同。
- 取消、退貨、換貨與部分退款處理不同。
- 門市、區域、渠道與品牌代碼不一致。
- 稅、折扣、運費與幣別造成金額口徑差異。
先指定「哪個系統負責哪個事實」
企業不必強迫所有系統數字完全相同,而要建立 System of Record。例如會員聯絡偏好以 CRM 為準、交易明細以 POS 為準、財務認列以 ERP 為準。跨系統問題再依用途組合,而不是任選一張表。
實務經驗框:POS 顯示 1,000 筆交易,ERP 只有 940 筆有效收入,原因可能是未付款、退貨、跨日入帳或門市延遲同步。若 AI 直接說「資料錯了」,沒有幫助;它應將差異依狀態與時間拆解,指出可解釋與待追查的部分。
可供 AI 使用的整合流程
- 保留各來源原始值、時間與唯一識別碼。
- 建立會員、商品、門市與渠道 Mapping。
- 統一時區、幣別、狀態與有效期間。
- 定義問題所需的權威來源與計算口徑。
- 產生對帳報告,將已知差異分類。
- 透過受控 Tool 提供整合後視圖。
- 答案顯示資料版本、覆蓋率與未解差異。
AI 可以幫什麼忙?
AI 可協助比對欄位與代碼、找出異常模式、將差異按原因分類、產生待查清單,並以自然語言說明對帳結果。它也能在使用者詢問時自動套用核准指標。但最終 Mapping、財務口徑與主資料責任仍需由業務與資料 Owner 決定。
哪些情況不能硬算?
若唯一識別碼缺失、歷史覆寫無版本、來源期間不同,或退貨資料尚未回傳,就應標示未知或暫緩結論。用模型猜測會員身份或補上交易狀態,會讓看似完整的分析變得更危險。
LINKY CONNECT 可協助不同來源的接入、轉換與 Mapping;LINKY360 可承接會員身份、旅程與交易關係;LINKY REASON 可依核准語意與 Tool 回答。實際準確度仍受來源品質和對帳規則影響。
上線前的對帳檢查
- 關鍵物件是否都有穩定識別碼?
- 每個指標是否指定權威來源?
- 狀態與時間差異是否有明確規則?
- Mapping 是否保留版本與有效期間?
- 未匹配、延遲與例外比例是否被揭露?
- AI 是否引用整合視圖而非任選來源?
結論:先解釋差異,再要求 AI 解釋營運
CRM、ERP、POS 不一致不是 AI 專案的終點,而是資料治理的起點。當來源責任、Mapping 與對帳規則清楚,AI 才能在差異之上做可信分析;否則只是替混亂加上一段更流暢的文字。
常見問題 FAQ
一定要讓三套系統數字完全一致嗎?
不用,但差異必須能由用途、狀態與時間解釋。
AI 能自動完成欄位 Mapping 嗎?
可提出候選與信心分數,但關鍵主資料與財務規則仍需人工核准。
哪套系統才是正確答案?
取決於問題;應為每個商業事實指定權威來源,而非全域只選一套。