本期该文就以数据分析普及教育贴的形式来进行开展，笔者用两个资深从业人员者的人设给大家科学普及一番，在电商互联网企业组织工作，数据如何来分析，分析的推论有什么作用，是不是处理。

我在之前受邀写过一篇关于数据分析棒状数学模型的该文（数据分析逻辑：流量转化棒状数学模型简述）。当时我真的这么简单的逻辑难道有人不会吗？一来真的自己没什么诚意，总之说我真的自己的琴艺和大众水准差不多，不可能将掌握一门自己都没有的观念逻辑吧；二来是自己确实从业历经尚浅，谦逊过度，不敢公然卖弄风骚。

但在历经后面的几年组织工作之后会辨认出，缺乏数据逻辑的人和不知道是不是分析数据或是说分析的称奇的人不在少数，每当与其讨论单厢特别伤痛，Escrow。

如果有该位数据分析天神恰好看到第一集该文，似乎就能明白“相见何必曾相识”这句话的短序。最伤痛的是，一旦有些人的故事情节和组织工作方式形成观念强型，很可能将一辈子都改不了，这句话不是胡说八道.

事先要和大家扫除两个数据分析的梦魇，数据分析并不是要对praised的Excel技能有太多的要求，会基本上的操作方可，折射表，工具栏等基本上操作方可。至于高端点的spss，Python，r语言等统计和处理程式设计软件来说是高阶的水准。

因为在现实生活中，譬如逻辑清晰的标识符天神可能将只会分析自身标识符逻辑的严谨好坏，可复制可拓展性等。但对数据分析而言则是与之完全不同的分析逻辑，数据看的是态势以及案例斜率和比率等，查询增长或是回落的原因，并通过分析推论及时改进运营或是产品策略等。

所以我们在前述组织工作中会辨认出，那些Excel玩的特别6的人不一定分析能力就强，那些懂得sql数据库的数据分析师不一定是你嘴巴里崇拜的分析天神。

要说电商数据分析基本上上可以脱离统计学方法论那些深奥复杂的公式，回归分析，标准差分析，迪克森有关等，大可不必。概要的说，电商的数据分析方法论是基于两个很简单的逻辑形成的，那是增长与负增长。

说的挺张华对吧，只不过说你的是，虚报点那种收情商税数据分析付费课程，那些逻辑和方法论只不过你听了也是称奇，有这时间还不如试试excel各种技巧和函数来的实在，要知道方法论不是自己教了你就会懂会用，需要在组织工作中的前述运用才会体会其礼式。教给的技术则不同，教给了是自己的，现学现用，即便在前述组织工作中用不到忘记了也一样能在短时间内很着急，这是常识。

现在的数据分析师从业人员工作岗位有两种：第一种是大学计算机系统专业大学毕业的，他们对数据库的标识符和结构礼式特别懂，但你如果真的让其分析某些特定领域的数据问题，可能将更多的仅仅停留在数据层面，通过环比同比涨跌等，说你态势好不好，结果好不好，而不会精确说你有关与否。

并不是说数据不能说明问题，而已数据精确，但分析往往不能点出要里。这有可能将会让其变成两个纯粹的人肉数据库工作岗位，而不包括分析。（当然我并不是一杆子打死计算机系统专业大学毕业的数据分析师哦，而已从我从业人员以来遇到的一群人里总结出来的，个人观点）。

第二种是excel玩的特别6的人，当然也不排除和第一种都挺精通的人，数据工具栏函数公式玩的天花乱坠，真的对方是数据分析天神也是欠妥的，数据分析的技能固然重要，还是要看数据分析能否结合业务的前述需要。

如果不能结合业务，或是说本身对业务不敏感的，做出来的数据分析推论也是不那么差强人意的。

好了废话说了这么多，以上这些而已让大家能对数据分析师有两个明确的概念：并是不能掌握处理数据分析的软件（excel或是SQL，乃至于Python等）就可以了，更重要的是需要具备与业务相结合的分析能力，给出合理的数据分析结果。

那么我们回归主题，全方位解读，哪些基本上面是我们需要了解并掌握的呢，我在之前的一些数据分析的该文中有过一些介绍，大家可以前往查看，这里我不再介绍哪些数据分析的方法论，而是直接说大家，在电商中，不同的领域，不同的模块该如何分析，以具体的例子说大家如何理解数据分析这个看似神神道道工作岗位或是技能的本来面目。

基本上元素：流量，转化，销售，电商中的哪一项都离不开这三个指标，如果是持续追踪看走势还可以加两个复购指标，我先用一张图来梳理一下以流量来源的分析逻辑。

图有点长，但意思很简单，我大概列举了流量来源的一些渠道，以及流量的去向的有关信息，基本上上就这些了，流量来源的一些专有名词解释我就不在赘述一遍了，有兴趣可以看我的早期的运营类该文。

了解到了流量来源之后，我们可以建立起一套流程化的分析方法，是流量棒状分析方法。

上图的这些层级关系可以反映出流量的来源到商品的详情页，甚至到订单页面的层级关系，其原理就像两个棒状层层衰减，最终到达目标页面的流量占比是我们所说的转化。

ok，道理讲清楚了，分析就显得很顺理成章了，我们在分析流量的质量和数量时，在一段时间内分析问题先抛开时间线不说，我们只看在这个时间段内其来源渠道的占比，有多少通过棒状下沉到了目标页。

分析这些目的是要看，为什么会这样，这样的流量配比或是转化带来的什么结果，下一步该是不是办，是维持现状还是改进完善运营方案，这才是数据分析的完整逻辑链路以及反推链路，造成这个结果大概率是因为什么造成的，数据表现是什么等。

初步的分析方法论只不过很简单对不对，几乎完全用不到你在学校里学的各种统计公式，标准差分析，迪克森有关，回归分析，显著性检验等等（当然我大学统计学只考了个60的友情分，但我也承认现在他们依旧特别重要，大家可以在试试）。

好了今天就先到这吧，接下来我将会对电商的各个模块坑位，外发渠道等的数据分析的实例进行解读，当然不保证完全对，我只如实陈述我对这些领域数据分析的看法和推论。

预告下一章内容，各色频道页的数据分析该如何结合运营发挥效果。