電商數據分析的方面分很多，簡單舉個例子，看圖：
一般在日常的簡報中，我是這么整理的：
一、周/月/季度報
-
基礎數據：DSR走勢、客服能力、倉庫能力、負面評價等
-
流量:行業大盤流量、渠道流量及轉化新老客人數占比、新老客轉化率等
-
交易：類目銷售占比、退款率/缺貨退款率包郵卡人群回購
-
粉絲：會員占比、微淘互動行為、分析流量分布、粉絲付款率、RFM客戶價值模型等
-
競品：流量指數、交易指數、加購/收藏/搜索轉化、售后率/速度 、中差評、微淘指數等
-
商品：商品流量同期對比、退款商品TOP5、收藏/加購/付款轉化
-
日報
-
大指標：會員基數、店鋪總業績、三個月復購率等
-
微信數據：新增粉絲、凈增分析、發送消息數、瀏覽UV等
-
新老客：新老客銷售額占比、成交人數、UV、客單價、客件數等
-
熱銷類目數據：行業訪客數、行業客單價、行業支付金額占比、漢沽額支付件數。行業交易指數等。
由于大數據等新興技術和理念普及，電子商務等大量依托于數字化運營的行業迅猛發展。以此為依托，以數據分析為中心的各類應用和管理也層出不窮，以最大化的服務于企業的決策和運營。對于電商行業，對于數據的應用占了很大一部分工作。無論是對于營銷、服務還是會員的管理都需以數據分析輔助決策，依據數據產生的結果。為此，很多企業聘請了專門的團隊，或干脆購買了類似于DataFocus 的BI工具。在智能搜索驅動的數據分析下，分析人員只需要搜索自己想要的維度關鍵詞就可以。
數據引領電商行業的發展，人工智能引領數據分析的變革。
另外再貼一個數據分析八大模型視頻教程，里面包括留存分析、漏斗分析、全行為路徑分析、熱圖分析、事件分析、用戶分群、用戶分析、粘性分析。十分貼合電商數據分析。每個視頻15分鐘左右。
