本期文章就以數據分析掃盲貼的形式來進行開展，筆者用一個資深從業者的人設給大家科普一番，在電商互聯網企業工作，數據如何來分析，分析的結論有什么作用，怎么處理。

我在之前應邀寫過一篇關于數據分析漏斗模型的文章（數據分析邏輯：流量轉化漏斗模型詳解）。當時我覺得這么簡單的邏輯難道有人不會嗎？一來覺得自己沒什么底氣，抑或說我覺得自己的悟性和大眾水平差不多，不可能掌握一門別人都沒有的思維邏輯吧；二來是自己確實從業經歷尚淺，謙虛過度，不敢當眾賣弄風騷。

但是在經歷后面的幾年工作之后會發現，缺乏數據邏輯的人和不知道怎么分析數據或者說分析的云里霧里的人大有人在，每每與其討論都會特別痛苦，雞同鴨講。

如果有某位數據分析大神恰好看到本篇文章，似乎就能明白“相逢何必曾相識”這句話的趕腳。最痛苦的是，一旦有些人的世界觀和工作方式形成思維定式，很可能一輩子都改不了，這句話不是危言聳聽.

事先要和大家破除一個數據分析的魔咒，數據分析并不是要對閣下的Excel技能有太多的要求，會基本的操作即可，透視表，圖標等基本操作即可。至于高端點的spss，Python，r語言等統計和處理編程軟件來說是進階的水平。

因為在現實生活中，譬如邏輯清晰的代碼大神可能只會分析自身代碼邏輯的嚴謹優劣，可復制可拓展性等。但是對于數據分析而言則是與之完全不同的分析邏輯，數據看的是趨勢以及個案絕對值和比率等，查詢增長或者回落的原因，并通過分析結論及時改進運營或者產品策略等。

所以我們在實際工作中會發現，那些Excel玩的特別6的人不一定分析能力就強，那些懂得sql數據庫的數據分析師不一定就是你嘴巴里崇拜的分析大神。

要說電商數據分析基本上可以脫離統計學理論那些高深復雜的公式，回歸分析，方差分析，皮爾遜相關等，大可不必。簡要的說，電商的數據分析理論是基于一個很簡單的邏輯形成的，那就是增長與負增長。

說的挺玄乎對吧，其實告訴你的是，少報點那種收智商稅數據分析付費課程，那些邏輯和理論其實你聽了也是云里霧里，有這時間還不如學學excel各種技巧和函數來的實在，要知道方法論不是別人教了你就會懂會用，需要在工作中的實際運用才會體會其要領。學到的技術則不同，學到了就是自己的，現學現用，即便在實際工作中用不到忘記了也一樣能在短時間內回想起來，這是常識。

現在的數據分析師從業崗位有兩種：第一種是大學計算機專業畢業的，他們對于數據庫的代碼和結構要領特別懂，但是你如果真的讓其分析某些特定領域的數據問題，可能更多的僅僅停留在數據層面，通過環比同比漲跌等，告訴你趨勢怎么樣，結果怎么樣，而不會準確告訴你相關與否。

并不是說數據不能說明問題，只是數據準確，但是分析往往不能切中要里。這有可能會讓其變成一個純粹的人肉數據庫崗位，而不包括分析。（當然我并不是一桿子打死計算機專業畢業的數據分析師哦，只是從我從業以來遇到的一群人里總結出來的，個人觀點）。

第二種是excel玩的特別6的人，當然也不排除和第一種都挺精通的人，數據圖標函數公式玩的天花亂墜，覺得對方就是數據分析大神也是欠妥的，數據分析的技能固然重要，還是要看數據分析能否結合業務的實際需要。

如果不能結合業務，或者說本身對業務不敏感的，做出來的數據分析結論也是不那么差強人意的。

好了廢話說了這么多，以上這些只是讓大家能對數據分析師有一個明確的概念：并是不能掌握處理數據分析的軟件（excel或者SQL，乃至于Python等）就可以了，更重要的是需要具備與業務相結合的分析能力，給出合理的數據分析結果。

那么我們回歸主題，全方位解讀，哪些基本面是我們需要了解并掌握的呢，我在之前的一些數據分析的文章中有過一些介紹，大家可以前往查看，這里我不再介紹哪些數據分析的方法論，而是直接告訴大家，在電商中，不同的領域，不同的模塊該如何分析，以具體的例子告訴大家如何理解數據分析這個看似神神道道崗位或者技能的本來面目。

基本元素：流量，轉化，銷售，電商中的哪一項都離不開這三個指標，如果是持續追蹤看走勢還可以加一個復購指標，我先用一張圖來梳理一下以流量來源的分析邏輯。

圖有點長，但是意思很簡單，我大概列舉了流量來源的一些渠道，以及流量的去向的相關信息，基本上就這些了，流量來源的一些專有名詞解釋我就不在贅述一遍了，有興趣可以看我的早期的運營類文章。

了解到了流量來源之后，我們可以建立起一套流程化的分析方法，就是流量漏斗分析方法。

上圖的這些層級關系可以反映出流量的來源到商品的詳情頁，甚至到訂單頁面的層級關系，其原理就像一個漏斗層層衰減，最終到達目標頁面的流量占比就是我們所說的轉化。

ok，道理講清楚了，分析就顯得很順理成章了，我們在分析流量的質量和數量時，在一段時間內分析問題先拋開時間線不說，我們只看在這個時間段內其來源渠道的占比，有多少通過漏斗下沉到了目標頁。

分析這些目的是要看，為什么會這樣，這樣的流量配比或者轉化帶來的什么結果，下一步該怎么辦，是維持現狀還是改進完善運營方案，這才是數據分析的完整邏輯鏈路以及反推鏈路，造成這個結果大概率是因為什么造成的，數據表現是什么等。

初步的分析方法論其實很簡單對不對，幾乎完全用不到你在學校里學的各種統計公式，方差分析，皮爾遜相關，回歸分析，顯著性檢驗等等（當然我大學統計學只考了個60的友情分，但是我也承認現在他們依舊特別重要，大家可以在學學）。

好了今天就先到這吧，接下來我將會對電商的各個模塊坑位，外發渠道等的數據分析的實例進行解讀，當然不保證完全對，我只如實陳述我對這些領域數據分析的看法和結論。

預告下一章內容，各色頻道頁的數據分析該如何結合運營發揮效果。

#專欄作家#

作者：王歡，微信：wanghuan314400，運營小灰一枚。

本文由 @王歡 原創發布于人人都是產品經理，未經許可，不得轉載。

題圖來自Unsplash，基于CC0協議