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。

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：

三、电商分析的模型有哪些？

手把手教你搭建RFM客户价值分析模型

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

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：

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。

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。

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。

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。

e、就以上结论和现象进行相关改善建议

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：

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。