一、互联网营销数据分析框架？

互联网的营销数据分析框架首先我能为用户提供怎样的服务？

用户需要我提供怎样的服务？

基于以上的互联网数据分析得出用户效应要怎样的产品？

二、数据分析入门，应该怎样一步一步来？

1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分

析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法

有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。

4、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。

5、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。

三、电商数据分析应该从哪些方面进行分析

我一直在问答谈运营技术。但是我认为，我最强在于数据跟视觉。

我认为，竞争到最后，运营跟运营之间的差距是从数据跟视觉开始区分的。

今天我们恰巧有时间来谈谈数据。

什么是数据分析思维？

数据分析思维，我认为是：把行为转化为数据-通过数据反推行为。

我举个例子：

你经常来我店铺购买姨妈巾。

你今天过来买姨妈巾，我就知道你大概一周内要来大姨妈。根据你购买的数量跟规格，我就能推断你一次大姨妈来多久，量大概多少。拉出来你半年的购买时间，我就可以推断你多久一次大姨妈是不是稳定。

如果有两个月没看到你购买姨妈巾了。。。那肯定是在两个月前，你男朋友的雨衣破了。

拉出来你男朋友的购买记录，我就知道，这个店铺的雨衣可能不合格。

为了验证他是不是不合格，我们去看看他半年内的复购率是不是远低于同行。

嗯，就因为你没有买姨妈巾，我怀疑这个店铺的雨衣不合格。

这就是数据分析的基本思维。

学会数据分析的基本思维，只能说，你勉强具备数据分析的可能。

那么做数据分析。需要明白几个东西。

1、数据样本：数据样本如果选择不合理，那么结果完全就是错误的。譬如我去抓取一个定位40岁大妈的姨妈巾店铺，要中国女性的姨妈周期，那根本就不科学好吗。这是青春期跟更年期的差异（此例子说明林慕白同学同样对妇科知识有所涉猎，欢迎广大适龄未婚女性知友来信咨询）。

实战中经常犯的例子是：平销转化率很好的单品，在聚划算卖不好。平销转化率不好的某些单品，聚划算反而会卖爆？为什么呢？想想，别问我，自己想。闹不明白就别尝试做电商的数据分析了。

2、数据选择：实际上我们会遇到很多的数据，但是有些数据不一定是我们想要的。就像我们这辈子会遇到很多很好的女生，但是我们很难明白，谁才能更好陪伴我们走完这一生。这个事情无法举例，我这边给一份试题：

现在我们店铺需要做优惠券促销，目的要提高客单价。

好，你告诉我要做满100减10元。

嗯，很好，那你现在告诉我，为什么是满100而不是满110，为什么是减10元而不是减20。拿出来你的数据。

嗯，不要问我怎么弄。也不要怀疑我是不是真的能分析出来，我真的能。

3、动态变化：我们一般最常用的，就是通过数据之间的变化，来分析可能出现一些什么问题或者变化。然而当一个数据量变化的时候，往往其他的数据也会发生变化。所以我们需要清晰什么数据之间是正相关，什么是反相关，他们之间的关系，在什么情况下是成立的。譬如正常收藏的比例跟转化率是正相关的，但是这几天他们是反相关的。转化率越掉，收藏率可能就越高。

我就谈谈数据分析的框架，我估计这些东西别人懒得讲，所以我讲一下。

至于什么工具看什么数据让别人讲吧。

码字有些累。谢谢

四、做数据分析不得不看的书有哪些

统计学 是第一，也是最重要的，包括统计学入门和多元统计分析 其次是 数据挖掘知识的书 上面的是理论 接下来是工具的选择和联系的，看你是选择sas、spss、stata、maltab、r。。。。根据你的不同软件选择，然后还要选择相应的工具与应用的书

五、如何建立数据分析中心?

各地数据建立发布服务器，在数据分析中心订阅全部数据，得到结果，建立数据仓库，采用OLAP工具做在线分析

六、如何建立落地型数据分析流程

我觉得数据分析关如果按照这5步走，还是比较接地气的，

第一步：明确分析的目标和框架

对一个分析项目，数据分析师应该明确业务目标是什么，初步选定哪些变量作为研究对象，从而为收集数据、分析数据提供清晰的目标，避免无意义的数据分析。同时对项目进行简单的评估，即时调整项目，构建出分析的思路与整体的框架。

第二步：数据收集

有目的的收集数据，是确保数据分析过程有效的基础。作为数据分析师，需要对收集数据的内容、渠道、方法进行规划。

1) 将识别的需求转化为具体的需求，明确研究的变量需要哪些数据。

2) 明确数据的来源渠道，数据的渠道主要有三种，一种是从公司系统数据库直接导出，另一种是通过网络爬虫软件（如集搜客GooSeeker）从网上抓取数据，也可以直接通过问卷的形式来收集数据。

第三步：数据处理

数据分析的中最重要的一步是提高数据质量，最好的数据值分析如果有垃圾数据将会产生错误结果和误导。因此，对收集到的数据进行加工、整理，以便开展数据分析，是数据分析前必不可少的阶段。这个过程是数据分析整个过程中最占据时间的，数据处理包括数据清洗、数据转化等处理方法。

第四步：数据分析

数据分析是指通过分析手段、方法和技巧对准备好的数据进行探索、分析，从中发现因果关系、内部联系和业务规律，通过数据建立模型，进而为商业提供决策参考。

到了这一阶段，为了驾驭数据、展开数据分析，需要涉及到工具与分析软件的使用。

要熟悉数据分析的方法，首先需要良好的统计基础，了解像方差、抽样、回归、聚类分析、判别分析、因子分析等数据分析方法的原理以及使用，才能灵活的根据业务目标以及已

有数据来选择分析的方法。

其次掌握几种常用的数据分析软件，如较基础的Excel、SPSS,或SAS、R等较高级的分析软件，保证分析工作的高效进行。

第五步：撰写分析报告

一份好的数据分析报告很重要，因为分析报告的输出是是你整个分析过程的成果，是评定一个产品、一个运营事件的定性结论，很可能是产品决策的参考依据，好的分析报告应该有以下一些要点：

1) 要有一个好的框架，层次明了，让读者一目了然。

2) 每个分析都有结论，而且结论一定要明确。

3) 分析结论一定要基于紧密严禁的数据分析推导过程，不要有猜测性的结论。

4) 数据分析报告尽量图表化。

5) 好的分析报告一定要有解决方案和建议方案。