小型电商如何进行大数据分析？
小型电商如何进行大数据分析，只有很普通的数据，电话，下单，客户地址之类，老板有想用大数据的想法，能进行哪些大数据方向的分析来支持运营或者营销活动？* BOSS的技术顾问打算用Excel来做BI展现，无语相对，求各位大神支招 做数据分析，首先要明确我们的目的是什么，要达到什么样的效果。基于此去明确做哪些数据分析，采用什么方式方法做表达。
做这些分析服务的对象是老板，而对老板来说，数据分析都是为了卖货提高销售额服务。在这个过程中，数据分析是为了把那些买的最好、有利可图、增长速度快、反馈较好的产品挑选出来以及对竞争对手的销售数据、网站分析、营销策略、产品策略等进行分析，以便即时调整自己的业务。
这些需求都可以归纳到消费行为参与者、消费产品、以及消费场景三方面上。
在对于老板来说，不需要也不想知道在这个过程中用到了哪些数据，做了什么样的分析，只要达到他的效果，并且将这个结果展示给他就行。整个过程中，需要我们做的：数据收集、数据处理、数据分析、数据可视化。
完成这些任务，不仅需要扎实数据分析能力，也还需要数据分析思维。对于数据量较小的可以使用Excel，中大型数据量的可以使用SQL或者Python进行处理。数据可视化包括图表和数据大屏，可以使用BI类工具。
一般全流程的学习需要花费大量的时间和精力，主要是各种教程庞杂、不成体系，我在学习怎么完成数据分析的过程中走了很多弯路，系统、简单、上手就会的教程太少了。
在这儿，我推荐一个课程，知乎知学堂推出了可完美契合这个分析流程的课程，从基础到高手技巧都有详细讲解，同时不仅有技术，还有数据思维和方法论的讲解。确保大家学会了一个例子，就可以做一类数据分析。现在报名参加，还有数据分析三大福利可领。点击下面的链接即可参与：
http://pic1.zhimg.com/v2-55b88e4d1ba9bf9dbf4bc3cc58c12477_r.jpg?source=1940ef5c
做哪些分析？
为了达到前面说的分析目的，也为了更快捷数据分析，我们可以找一些指标来量化手上的数据。找指标的原因主要有两个：1.避免迷茫，可以快速下手；2.指标体系都是相当专业的，可以准确描述行业概况。
之前有大佬总结过电商数据指标体体系，很全面，也够专业，大家可以根据自己的需求来挑选需要的指标来表达。主要包括：总体指标、流量指标、销售转化指标、客户价值指标、商品类指标、市场营销活动指标、风控类指标、市场竞争指标。
总体指标
总体指标主要是面向领导者，从流量、订单数据、业绩指标以及盈利指标来反应电商平台的整体状况。
流量指标包括：独立访客数、页面访客数、人均页面访客数；
订单数据包括：总订单熟练 、访客到下单转化率；
业绩指标包括：成交金额、销售金额、客单价；
盈利指标包括：销售毛利、毛利率。流量指标
主要是对商店、平台的访客指标，这部分指标可以告诉你有多少人访问了商店、平台，有助于评估商店或平台的受欢迎程度；也可以帮助你发现用户访问网站的路径和行为，优化用户体验。流量指标包括规模类指标、成本类指标、质量类指标以及会员类指标。会员也可以指商店粉丝数或者收藏商家人数。
规模类指标包括：独立访客数、页面访客数；
成本类指标包括：访客获取成本；
质量类指标包括：跳出率、页面访问时长、人均页面访客数；
会员类指标包括：注册人数、活跃人数、活跃率、复购率、平均购买次数、回购率、留存率。销售转化指标
这类指标可以用来衡量商店的营销效果、研究用户的购买行为和消费心理，优化商店平台的体验，提升平台转化率和销售额。这类指标包括购物车类指标、下单类指标、支付类指标、交易率指标。
购物车类指标包括：加入购物车次数、加入购物车买家数、加入购物车商品数、支付转化率；
下单类指标包括：下单笔数、下单金额、下单买家数、浏览下单转化率；
支付类指标包括：支付金额、支付买家数、支付商家数、浏览-支付转化率、下单-支付金额转化率、下单-支付时长；
交易率指标包括：交易成功订单数、交易成功买家数、交易成功商品数、交易失败订单金额、交易订单金额、交易订单失败买家数、交易失败商品数、退款总订单数、退款金额、退款率。客户价值指标
这个指标衡量客服在商家严重的价值，这类指标可以帮助商家了解客户满意度、优化营销活动等。主要是包括客户指标、新客户指标、老客户指标。
客户指标包括：累计购买客户数、客单数；
新客户指标包括：新客户熟练、新客户获取成本、新客户客单价；
老客户指标包括：消费频率、最近一次购买时间、消费金额、重复购买次数。商品类指标
商品类指标用于分析商品的种类、销售和库车情况，对于多种商品可进行关联分析，以促进销售额，包括产品总数、优势性指标、存量、上架数、首发指标。
市场营销活动指标
这类指标主要是用于评估某次活动后带来的效果，用于优化后续活动，包括新增访客数、新增粉丝数、总访问人数、订单数量、UV订单转化率、广告投资回报率。
风控类指标
用于评估分析客户的购买后行为，优化产品。包括买家评价指标和投诉类指标。
买家评价指标包括：评价数、买家评价上传图片数、评价率、好评率、差评率；
投诉类指标包括：发起投诉率、投诉类、撤销投诉率。
市场竞争指标
这个指标可以用于同行业分析，对比竞品优化产品策略。包括市场份额相关类指标以及行业排名。
一共八大类指标，如果是给老板看的话，做好第一类总体指标表达就好。如要有更详细的数据，也可以详细分析后面的几类指标。
用什么工具？
这些指标明确了可以做什么分析，接着就是明确用什么工具做这些指标分析。整个数据分析包括各种指标计算以及数据可视化部分。
Excel
Excel是大家最能接触到的数据分析软件。在数据量不大的情况下，Excel可以满足大家绝大部分的需求，可以使用数据透视表做订单类数据分析，同时也可以完成图表制作，简单的线性分析。
http://picx.zhimg.com/v2-848da50704c26963e979dea4001f88a4_r.jpg?source=1940ef5c
Excel通过将多个小图表结合在一起，可以组成仪表盘，这个也是最初的数据大屏，其效果也是很直观和简单。
http://picx.zhimg.com/v2-d19fed80c502e441fb18ae23df792e7e_r.jpg?source=1940ef5c
Python
Python需要有一点编程基础，但现在教程有很多，也有已经总结好了的代码可以直接拿来用。
Python关于数据分析和可视化方面也有专门的库，比如numpy、pandas、matplotlib、seaborn等。
通过调用这些库就可以完成很精美的数据可视化。
http://picx.zhimg.com/v2-fa8cef9262d8b532fbb21faec894f73f_r.jpg?source=1940ef5c
在前面的指标体系中，也提到了风控类指标，这类指标反应用户购买体验，也是很重要的指标，而风控类最好的资料就是评论，如果不想一条一条的复制，就建议学习一些爬虫软件。
爬虫工具有很多，ython中有爬虫工具BeautifulSoup库，国内也有大佬做了一个可视化爬虫工具EasySpider。
http://pic1.zhimg.com/v2-10be7d56ea2d700ae54ffa6ca93d642d_r.jpg?source=1940ef5c
BI工具
BI工具可以说是专为大数据可视化准备的，同时BI工具也兼有数据分析的功能，可以对获取的数据进行多维度分析。BI工具用起来还是很方便的，可以通过拖拉拽的方式，经过少量的编写工具就可以快速完成一个数据仪表盘的设计。
目前国内外BI工具都有很多，如比FineBI、Yonghong Desktop Basic、PowerBI、tableau等。
PowerBI
PowerBI是微软提供的一款商业分析工具软件，用于可视化数据并分享见解。其主要功能，包括数据获取，数据清洗，模型创建，报告和仪表板设计等。
http://picx.zhimg.com/v2-d159d1f0bc66044bbfc96ffc7fb15604_r.jpg?source=1940ef5c
FineBI
FineBI是帆软公司推出的一款自助式BI 商业智能产品，提供从数据采集，数据处理，数据分析到数据可视化展现的商业智能解决方案。
http://pic1.zhimg.com/v2-49799f3a4f5ae97b5eb41dee28d82af4_r.jpg?source=1940ef5c
以上就是本次分享内容，如果点赞想了解更多数据分析内容的人多，我再来更新。
最后在推荐一下知学堂的这个【数据分析3天实战训练营】，对于想提高数据分析能力以此来转岗、达到升职加薪目的的朋友来说，真的太合适了。训练营里既有我上述提到的数据分析工具的教授，也有实战项目，老师带着你做，相信你学习完，对怎么做数据分析不再迷茫，点击下面链接即可参加：
<a data-draft-node="block" data-draft-type="edu-card" data-edu-card-id="1649139063977295873">祝大家升职加薪！
http://picx.zhimg.com/50/v2-279e432d83765e155987253801bb43a0_720w.jpg?source=1940ef5c 在全渠道零售的今天，一个品牌所对接的电商渠道少则三五个，多则十几个。每天要从淘宝、京东、拼多多以及生意参谋等近十个数据后台分别导出：订单、库存、会员、投放推广相关数据，运营同事每天至少花上2小时手工重复导数、整合表格，数据量之大及低效取数对人力的浪费可想而知。
最头疼的是电商还有极其多的线下数据，如分销、平台扣点、商品类目数据，只能靠运营人工统计收集到Excel中...
1、方案介绍
面对上述电商线上取数整数难、线下数据多、缺少统一数据平台的困境，我们可以如何系统解决？
为解决上述数据难题，帆软大消费事业部重磅推出了《电商参谋数据分析平台方案》，通过行业成熟数据工具+多年消费行业经验沉淀，帮助电商企业打通数据从获取→整理→储存→分析应用的全链路，理清企业数据指标口径，快速搭建电商统一数据平台。
《电商数据分析平台建设方案》
http://picx.zhimg.com/v2-883a9c976e87b09ca97316cab0903b7a_r.jpg?source=1940ef5c
在此数据平台上，电商人可监测分析用户成交链路上的每一个环节数据，从数据中发现问题、解决问题，以此提高企业最终的GMV。
http://picx.zhimg.com/v2-8a2fb0880ca557fb9c62a68d215eca37_r.jpg?source=1940ef5c
看完框架图，但还是看不出具体能解决什么？没关系，让我们再接着往下看。
2、场景详解
下面通过3个电商最想解决的数据场景，来看这套方案究竟能帮你解决什么难题？
场景一：
企业：我不想花钱搞独立开发，想快速搭建自己的数据汇总分析平台，做数据的统一查询分析
对于大多数电商企业来说，独立开发数据系统并不是最佳选择。基于已有的OA、ERP、OMS等业务系统，再加上已有运营经验里所沉淀的数据，将数据在平台体系内快速标准化，才是大多数企业的最佳选择。
因此，我们在方案内配备了多套电商行业的“标准经验性报表”，并提供对应的线下数据填报提交及线上数据分析可视化工具，帮助企业快速搭建上线“即开即用”的数据汇总分析平台系统，在系统内可随时了解此时企业目标完成情况如何？通过差距数据，找到下一步可改善的环节。
同时，通过制作一系列企业常用数据看板（如下图所示的全平台经营驾驶舱），将企业的数据及运营经验踏实沉淀下来，以此做好企业前期数据平台建设的MVP验证。
http://picx.zhimg.com/v2-ab8ca3ed32ee8cc350e1e1a7353fd3e6_r.jpg?source=1940ef5c
全平台经营驾驶舱
场景二：
运营：我数据需求多，不想再每次给IT提需求，想自己更快拿到IT处理好的数据做分析
电商数据多变化快，依靠传统的业务提需求、IT取数给业务、业务再在Excel分析中的模式，必然跟不上目前电商数据化建设的发展，也会导致俩个部门没法很好地协同工作。
因此，我们在方案内提供了配套的电商底层数据标准与业务数据分析包。
首先，我们会帮助IT及业务对电商不同数据后台中含义相同，但命名方式不同的字段进行关联整合，统一数据口径，并给出面向不同分析场景的业务数据主题包，可开箱即用。
http://picx.zhimg.com/v2-2a9a1f71dcce78b08bf5c5588104b3aa_r.jpg?source=1940ef5c
其次，我们提供了相应的BI分析工具，只需IT将对于业务主题的数据整理好存放在企业公共数据中，设置好相应的编辑与查看权限后，业务人员即可按照自己的需求，从公众数据中取数，快速制作如下图所示的分析看板。
并可将分析看板按照主题，在左侧的目录进行分类，以后想知道哪块数据，在目录中找到对应主题看板，就可以及时监测分析主题数据变化情况。
http://picx.zhimg.com/v2-4ecff8bb15fbba1ce7056ba2816cba85_r.jpg?source=1940ef5c
场景三：
IT：我想实现多平台数据的自动获取，打通数据从获取→整理→分析→应用全链路
国内电商平台不提供数据接口导出，所以IT同学十分痛苦，没法自动获取多平台数据，且数据也没有统一储存的地方。
对此，在方案内我们提供了RPA+API+BI的组合拳方式，帮助IT实现电商大部分数据从获取→整理储存的自动对接，在中间库统一数据字段，通过BI做前端的数据分析及应用的实践场景。
通过这套组合拳，IT同学可系统沉淀企业的电商数据资产，将历史用户数据按主题形式存储到本地，避免被平台绑架，导致近90/180天前的历史数据无法保留及供业务分析。
篇幅有限，仅能阐述部分解决方案。若想了解完整的《电商参谋数据分析平台方案》，可点击下方按钮进行下载，我们将会及时与您取得联系，解答您在电商数据化建设路上的一系列问题。
《电商数据分析平台建设方案》 电商如何进行大数据分析？
直接开门见山，不说废话，都是实操干货。
首先，纠正大家的一个想法：数据分析的重点不在于谁用的工具更复杂，学会基本的Excel数据透视表，图表可视化等基本操作即可，至于高端点的spss，Python，r语言等统计和BI工具都是属于数据分析进阶水平的，下面也会跟大家讲。
一、电商的数据分析应该围绕什么展开？
拿出经典的“人货场”指标体系图，电商分析基本上也是围绕这三者展开。
http://picx.zhimg.com/v2-71af883f47a7434d29cdc48fcc10bb36_r.jpg?source=1940ef5c
人：在电商分析中基本上就是指用户数据，如客单价、会员增长率等
货：商品数据，如采购、库存、销量，售后数据等
场：这个包含的东西比较多，我认为凡是能将人与货匹配，最终完成转化的都可以称之为场。
二、电商数据如何获取？
这里要注意的是，任何数据都是要关注长期的，只看其中一天的数据是完全没有意义的。对于电商数据来说，更是这样了，我这边建议大家拆分看，分成两个时期：促销期和日常期，分析这两个阶段的数据就可以了。还有提醒一句，如果样本数据不够，完全可以扩大样本数量，不然会存在数据不准确而带来的误差。
促销期：618，双11，双12，年中大促，年底大促等
平常期：这个就随便取了
再给大家分享一些获取数据的网站：
http://picx.zhimg.com/v2-7a9d20af156b9c7a64671c17bd3d5a11_r.jpg?source=1940ef5c
三、电商分析的模型有哪些？
http://pic1.zhimg.com/50/v2-c2abb1614dca7b3167eaee3ef79504eb_720w.jpg?source=1940ef5c
RMF分析：数据分析初学者必备！10分钟搭建RFM客户价值模型，一学就会
帕累托/ABC分析：能解决90%难题的数据模型——手把手教你学会帕累托模型
波士顿矩阵分析：数据分析初学者必备！5分钟搭建波士顿矩阵模型，一学就会
购物篮分析-关联规则：数据分析一定要懂的模型——购物篮模型
AARRR用户运营分析：关于AAARR模型，还停留在理论却不会用？附实例讲解
需求分析方法—KANO模型：KANO模型，一个能解决你工作中90%烦恼的需求分析神器
更多分析方法，查看年终盘点 |15种最常用的数据分析方法和模型，赶紧收藏起来吃灰
四、电商分析的过程是什么？
这里我结合零售电商的案例，跟大家分享一些如何进行电商平台数据分析。
分析思路如下：
http://pica.zhimg.com/v2-f99c6c958ed9322515ac8022b661196d_r.jpg?source=1940ef5c
a、场的维度：通过季销售趋势图及环比，还有各州金额分布分析了解平台销售走势和销售分布，了解平台销售是否健康及销售重点区域。
http://picx.zhimg.com/v2-37ea0cbd41c18afa706ce640727130b5_r.jpg?source=1940ef5c
b、货的维度：通过帕累托分析品类销售情况，散点图探究品类宽度和销售关系，再通过价格带分析，了解平台产品定位。通过评价占比了解产品满意情况，通过产品完整性分析验证猜测。
http://pic1.zhimg.com/v2-9500dc8e9f91c139cb2086ec2fc476d0_r.jpg?source=1940ef5c
c、人的分析：分析平台会员走势了解平台会员健康情况，通过地图分布了解会员分布情况，通过AARRR模型了解会员转化率，通过环形图了解新老会员销售情况。利用RFM模型给会员分层并确定重要价值客户分布。利用会员行为分析了解会员下单时间，付费方式和平均付款时间，还知道会员低分占比及评论时间趋向。
http://pic1.zhimg.com/v2-44f22941ed90d3f15dc4c78407804596_r.jpg?source=1940ef5c
d、其他分析-物流分析：其他分析：通过物流准时度分析，物流时间占订单时间分析，平均物流天数分析，物流运费金额在总金额的占比，来评估顾客物流服务投入产出比，通过低评的非准时占比和物流时间来验证猜测。
http://picx.zhimg.com/v2-2808e790e19e3be6750ee02d09e4dd84_r.jpg?source=1940ef5c
e、就以上结论和现象进行相关改善建议
http://pic1.zhimg.com/v2-67613908f58d7bfaa94d2f2285c994c2_r.jpg?source=1940ef5c
五、电商分析的工具有哪些？
如果想仔细学习数据分析工具的，可以看这篇文章：2021年最强数据分析工具盘点！想转行跳槽的小白赶紧收藏
[*]Excel：vlookup，数据透视表，数组，sumifs，等常用的公式
[*]SQL：增删改查、联合
[*]Python：进行数据清洗，数据抽取等
[*]FineBI：进行数据图表，可视化，数据报告部分，简单的数据清洗也可以做到
作电商运营分析，其实Excel和Fine BI就够了，中间两个在进阶中才需要学。
如果数据不是很多，直接用Excel，我这边不多介绍怎么用了。如果数据量比较大，那就用Fine BI，这个工具比Excel更方便一些。两个结合起来用也是可以的，把Excel文件导入到Fine BI就行。
上面的案例就是用Fine BI制作而成的，下面简单给大家介绍一下这个工具。
制作过程简单：
http://pica.zhimg.com/v2-6e6a50d965f987bb3ef28500443ef46a_r.jpg?source=1940ef5c
模板demo数量丰富：
包含零售、建筑、银行、互联网、医药、制造、交通、物流等几十个分析场景，直接另存为分析模板使用。
http://pic1.zhimg.com/v2-6d38be200cce95b02573e52c56e161bf_r.jpg?source=1940ef5c
http://pica.zhimg.com/v2-eda41ef46a8cc596112554fa204f16e7_r.jpg?source=1940ef5c
http://picx.zhimg.com/v2-2a51591d851d16fbe0ab68a183178424_r.jpg?source=1940ef5c
《电商数据分析平台建设方案》 这是一个很有意思的问题，很多小型电商都有这个问题，关于电商报表的制作，如果使用Excel做报表的话，免不了各种函数和链接，同时数据的更新也跟不上，每次更新数据都是要重新复制粘贴什么的很麻烦，如果用离线的工具都会遇到这个问题。所以这里推荐使用在线的工具，一些SaaS工具，可以很方便地制作报表，同时还附带有BI功能，收费也非常合理，足够满足老板的观看或者监控需求，网易有数的BI敏捷数据分析平台就是一个很好的选择。
对于小型电商的数据分析无外乎以下几个方面：
流量分析、站内运营、转化分析、广告管理、会员分析、业务分析等几个方面，内容方面之前@miao君@赵素卫描述地比较详细了，这里就不重点介绍了，主要说一下使用什么工具。
目前的数据分析工具分为离线版的和在线版的：
[*]离线版的有正版和那啥版的，都可以用，不过正版会比较贵一些，但是无论是要不要钱都不推荐，因为离线版对数据的动态刷新支持并不友好，主要是一次性分析，这样的话总需要一个人专门每天分析数据，发的工资也不止买好几个软件使用了。
[*]在线版的比较多，有powerBI、yellowfin、tellius、网易有数、quickBI等等很多种，对于小型电商的话，性价比是主要的，其中性价比主要是集中在价格便宜、使用方便、维护方便，对于成熟的BI分析工具，其功能方面可以说都能够满足小型电商的分析使用，但是价格还是不同的，国外的BI可以不用考虑，因为在使用上从语言到使用习惯都不同的，国内的话，价格相差不是特别多，主要需要考虑的还是在使用和维护上。
[*]网易有数就提供了报告、大屏、驾驶舱等多种展示工具，同时支持导出、定时邮件等多种交互方式，结合智能BI，可以满足小白的使用情况，通过建立各种模型，可以详细的分析销售或者运营、管理的数据，比如下面的智能BI推荐图表，小白友好型，可以更多的了解一下或者试用一下，这些在线BI已经能够完全覆盖小型电商所需了。可以点击这里免费试用。
http://pica.zhimg.com/v2-0e6693836a68384654d198264d6330b3_r.jpg?source=1940ef5c
更多详情还可参考如下问题：如何通过数据分析达到精准营销的目的？ 如果来源数据量在10w以下，用excel 2007以上版本+1台2G内存以上的电脑就够了，数据透视表是很好的工具。
至于分析的话，如果有BI系统的话，都有现成的工具。下面是转帖的文章，可以参考。
电子商务数据分析三年工作总结：无细分，毋宁死
模型定义：在众多的客户关系管理的分析模式中，RFM模型是被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。在RFM模式中，R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般的分析型CRM着重在对于客户贡献度的分析，RFM则强调以客户的行为来区分客户。利用RFM分析，我们可以做以下几件事情：
⑴ 建立会员金字塔，区分各个级别的会员，如高级会员、中级会员、低级会员，然后针对不同级别的会员施行不同的营销策略，制定不同的营销活动。
⑵ 发现流失及休眠会员，通过对流失及休眠会员的及时发现，采取营销活动，激活这些会员。
⑶ 在短信、EDM促销中，可以利用模型，选取最优会员。
⑷ 维系老客户，提高会员的忠诚度。
使用方法：可以给三个变量不同的权重或按一定的规则进行分组，然后组合使用，即可分出很多不同级别的会员。
页:
[1]