每一家店都有三类数据。第一类是财务数据，进销存。第二类是经营数据，400电话投诉、长周期检查、短周期检查、陌生用户拜访等等。第三类是营销投放数据， 我们都知道麦当劳会没完没了地做各种活动。
很重要的一点，麦当劳创建了一个模型叫典型市场，全球有几十种典型市场。
比如，北京一座城市，就会有好几个典型市场，在北京王府井中心的店，和在巴黎 市中心、纽约市中心的店就属于同一个典型市场。同样是北京，开在郊区比如大兴的店，就有可能和山西大同或者泰国清迈 —样，属于另一个典型市场。虽然同样是北京，但是因为大家的收入水平、人流密度、商业活跃时长不一样，那么市场是不一样的。
麦当劳会把这些不同的市场特性，概括成—个又一的典型市场，把每一店放进符合它的典型市场里，进行横向比较。这 样，同一典型市场的店，在同样营销投放 的情况下，呈现出不同的经营结果，你就可以判断出管理水平的差异。
所以，麦当劳的信息是，全球37000个店，透视到典型市场里的相对表现，以15分钟为单位汇总到全球总部，直接给到 COO
原来我们以为，一个全球公司的COO,看 到的数据是北京所有的数据，汇总成北京的，再汇总成华北区数据，然后汇总成中国区数据，再然后汇总为亚太数据，最后汇总成全球数据。但是如果真是这样汇总，每一层的数据都合并在一起，每一层的人就会有很多腾挪的空间和解释权，数据就会一层层走形，这种数据只能是一种规模感粗糙地把握。对于洞察各级管理水平和增长空间， 几乎没有帮助。
麦当劳的智能商业系统是如何运营的？
而麦当劳是把最末梢的那家店，放到典型市场里。这时候，如果麦当劳要做一个营销动作，在同一个典型市场里，假如一家店的效果远远低于同类市场的其他店，这 就是一个值得关注的店。而它的管理者用了多长时间，让这家店的数据回到典型市场的平均值，其实就能看出这一条线上的管理人员的水平。
我们可以说，麦当劳打造了一个BI数据中台，让全世界麦当劳同一典型市场的所有 店，能够建立彼此参照，从而不断优化运营。
