數據分析是個很複雜的工程，需要業務和分析技術兩塊知識。 首先，企業的分析主要分為管理分析和經營業務分析，分析整體的思路是：明確業務場景——確定分析目標——構建分析體系——梳理核心指標。 因為每個企業/行業的業務不同，分析體係也不同，這裡主要說一下零售電商，按照不同的分析場景來探討下。 以電商為例，常用的業務分析場景有銷售、商品、渠道、競品、會員等等，而商品可進一步細分為商品的庫存、商品的利潤以及關聯銷售分析。在整個業務分析體系中，電商行業遵循“人貨場”的思維邏輯，其指標可這樣劃分：
1、銷售類分析 銷售分析主要是為了追踪銷售情況，與KPI對比，調整銷售策略，進一步提升銷售額。 分析思路：基本上任何一個問題都可以套用“人貨場的模型來分析”。比如分析客單價下降的原因，從人貨場角度切入的話，可建立如下的分析模型：
分析方法：數據分析可通過數據對比、極值、預測的方式來分析 對比：比如事業部銷售額排行榜、銷售額貢獻度、城市排行榜等等 極值：比如月銷售額最高紀錄，激勵銷售人員或事業部突破記錄 預測：根據權重曲線預測未來的銷售額 2、商品分析 商品分析是基於商品的一個流程管理——進銷存。比如商品庫存太大，佔用資金，則採購進貨不合理；商品陳列不合理，造成發貨不及時，銷售滯後。 商品分析體系——“進銷存”思路，常用的指標如商品的折扣率、動銷率、周轉率等。
3、會員數據分析 會員數據分析一方面是可以指導銷售營運，另一方面是提高營銷的精準度，增加用戶的粘性，減少流失。 會員分析管理體系：
4、其他管理分析 人力資源管理中的數據分析一般包括兩個方面，一方面是人員結構分析，另一方面是人力效能的分析。在人效分析過程中最關注兩個指標，人均產出和人員費用產出率。人員結構分析包括不同職能部門的人力結構、不同層級的人才結構、不同工作年限的人才結構等等。分析人力結構是防止人才的斷層，在招聘上做好預案，優化薪酬分佈。 數據分析領域的財務主要是管理財務，管理財務需要細化到每個子公司、每個業務、每個產品、每個業務部門、每個客戶，以他們為主題的分析有：現金流分析、盈利能力分析、財務預算分析等。