全文目录
• 1. 数据分析是个什么玩意，怎么理解？
• 2. 数据分析需要我们做什么，怎么做？
• 3. 经验分享：学习方法论
• 4. 实操案例：制作全店数据分析模版
• 5. 结尾
-------------------------------------------------

-------------------------------------------------
引子
2007年美国鬼子麦抠（michael burry）在房贷数据中发现了房地产市场泡沫，然后做空房地产，最终在2008年的全球金融危机中获利1亿美元，折合人民币6亿多，同时还为他的投资者们赚了7亿美金。这事儿后来拍成了电影《大空头》，感兴趣的小伙伴可以去看看。
我们作为电商运营就不求什么一亿半亿了，但求通过数据分析能够发现市场中的潜力爆款、追踪竞品爆款的成长轨迹、挖掘潜力蓝海关键词、剖析店铺问题走出发展困境，能做到以上这些就算不错了。
正所谓“数中自有颜如玉，数中自有黄金屋”，通过数据分析这把镐，能挖到什么矿，就看各位领悟的深度了。
拥有了数据分析能力，就是——你我看到的现象一样，而我却可以知道更多，于是思考问题有了更高的高度，更广的视野，所谓后网络时代的信息差，就是这么来的。
数据分析有多重要，懂的人自然懂，不懂的人慢慢会懂的。
1.1 什么是数据分析？
数据分析更多的是一种分析思考问题的方式，侧重于分析、思考，培养分析思维。
例如以下几条，我们见到数据后应有的反应：
• 看到一组数：我们就知道——数据的大小高低，有三六九等
• 带日期的一组数：可知趋势
• 带分类的一组数：可知对比
• 带日期+带分类的一组数：可知不同分类下的趋势对比
只有数据分析思维，没有数据也不行，数据是原料，是分析的基础和起点，同时数据的宽度、广度也决定了分析的深度。
例如：我们要想知道发展趋势就需要有带日期的数据；要想看到不同属性的对比情况，就需要带分类的数据。
以上两种观点，
第一种是“见数知结论”——见到数据时会马上想到数据背后隐藏着哪些信息；
第二种是“要结论去找数”——想要解决某个问题时，需要找到哪些数据做支撑；
有了这样一正一反两种思考，就算是基本掌握了数据分析的思维方式。
电商运营经常用到的数据分析，通常是指将数据进行可视化展示，属于比较基础的操作，不过对于电商运营来说足够用了。更高层次的数据分析是指通过建立模型分析特定问题，比如通过线性规划求最优解，通过决策树模型计算各种事件所获得的收益，通过时间序列等模型对未来进行预测等等。
1.2 工具的选择
电商数据分析，学会excel就够了。
学excel，掌握数据透视表就差不多了。（本文案例部分将会重点介绍数据透视表）
数据分析工具有很多，作为电商运营只需要懂excel就够了，一来学习成本低，二来应用更广泛，三来可扩展性强。
excel可以完成电商数据分析80%的工作，剩下的20%一种情况是我们接触不到，另外一种情况是搞透了这80%，剩下的20%研究一下也就能解锁了。就如同我们的汉字，常用的就那么多，不常用的那些，从某种意义上来说可以先不学，日常生活中接触到了再慢慢学也来得及。
1.3 这玩意好学不？
未来属于人工智能和大数据的时代，编程思维和数据分析思维在未来会成为标配，就像如今会用电脑和word软件，变得像吃饭睡觉一样稀松平常。
而要熟练掌握数据分析能力，少则半年一年，多则两年三年。
困难总是有的，你觉得难的，对于别人来说也同样是难。你也许会知难而退，但你无法阻止你的同行迎难而上。所以，既然你绕不开它，那就调整心态面对它，不要怂，干就完了。
————————2. 数据分析需要我们做什么，怎么做？————————
数据分析的三重境界：
• 1.初级：搞清楚发生了什么
• 2.中级：提炼信息指导下一步动作
• 3.高级：洞悉规律、提炼智慧、预演未来
数据分析的一般形式：
数据分析的对象通常是这么一堆东西：（一堆密密麻麻的数字）
我们要做的——
• 第一步，让他说人话，让人能听懂——把数据变成图表，也就是数据可视化；
• 第二步，分析他说了什么，什么意思，我们该怎么做——根据数据的交叉分析发现问题所在，指导行动；
• 第三步，分析他说出这句话时的环境、背后的逻辑，以至于下次不等他开口我们就知道他要说什么，并且做好了行动的准备——建立数学模型，分析事物的规律，判断趋势，预测未来。
接下来我们就来通过案例来进一步理解数据分析。
————————3. 经验分享：案例内容设计的初衷+学习方法论————————
本文案例内容设计的初衷
考虑到大家工作繁忙，学习不易，本文案例希望把最核心的东西通过最快速的办法分享给后来者，提高效率，少走弯路。
根据以往多年的经验，反复推敲，最终选择了日常分析工作中最常用到的功能，学以致用效率最高的部分，认为是学习成本最低、效果最好、最需要掌握的、最核心的东西（广告法单押x4连）
希望能够帮助大家快速入门，培养兴趣，挖掘后面更好玩的东西。
学习方法论：
讲到这就要提到学习方法，好的学习方法：1.可以在最短的时间内，2.学到最核心的内容。这对玩法快速迭代、快节奏的电商运营工作至关重要。
上面提到好的学习方法的两个方面：“2.核心内容”，这个刚刚已经选择好了，而“1.短时间内”，这个目标，推荐各位使用我常用的[探地图式学习法]，这个方法可以让学习的效率大大提高。
简单来说，就像我们玩游戏时探索陌生的地图一样，先找到主路，然后沿着主路走即可穿过陌生的地图。
有了这条主路之后，我们就可以以主路作为据点向外探索，借由主路向外蔓延，逐步扩散到所有未探索的地图。之后哪里有山哪里有河，哪里悬崖峭壁，哪里一片坦途就可以了然于胸，最后选择自己最喜欢的路线。
映射到我们学习数据分析这件事上，就是先把核心的流程跑通、跑顺，然后遇到的小问题逐个击破，最终将数据分析的核心及相关的内容逐步吸收消化，了然于胸。
话不多说，开始实操。
————————4. 实操[全店综合分析表] ————————
实操案例最终效果如图：
功能简介：可以按照年、月、周、日的维度对日期进行筛选，同时可以双选、多选数据维度进行对比分析。操作具体过程如下：
4.1 下载数据
数据来源：[生意参谋]-[取数]-[新建报表]-[我的报表]-[下载报表]，具体设置如图，勾选全部104个数据指标：
更多说明：本文用到的是生意参谋官方给出的店铺整体数据。
4.2 转换为数字
下载并打开文件后，表格中的数字左上角有绿色三角形，此时要框选所有数值单元格（注意是所有“数值”区域），在选择框的左上角会出现黄色叹号提示按钮，选择“转换为数字”，最终将左上角的绿色消除：
处理好的效果如图所示：
更多说明：左上角带角标的数据看起来是数据，实际上是不可以加减乘除计算的。文中的步骤是将这些数据转换为可以计算的数字，跳过此步骤可能导致后面的计算出错。
4.3 复制数据到表格
excel > 文件 > 新建 > 空白工作簿
将刚刚处理好的数据复制进来，并选择[插入]-[表格]选项：
最终效果如图：
更多说明：
1. 将数字区域转化为[表格]是为了后续更新数据时，可以自动更新后续的流程；
2. 本文案例选择用复制粘贴的方法将数据导入进来，还可以使用excel 的power query内置插件批量导入文件的方式将数据导入进来，为降低复杂程度本文选择使用复制粘贴方式。
4.4 进入powerquery编辑器
选择[数据]-[自表格/区域]
此时弹出powerquery查询窗口，效果如下图：
更多说明：将数据导入到power query的目的是将数据表的结构进行重调，将二维数据表变成为方便数据透视的一维数据表。
二维数据表与一维数据表的基本形式的对比如图：
大家可以尝试直接跳过4、5步骤，从步骤3完成后直接进行步骤6及后续，会明白为什么要操作4、5步骤。
4.5 逆透视列
在“统计日期”上点击鼠标右键，选择“逆透视其他列”：
效果如下图所示，并选择“关闭并上载”
此时powerquery窗口将关闭，并自动新建sheet2，效果如图：
更多说明：此步骤最终将原本的二维数据表变成了一维数据表，变化前后的对比如图：
4.6 日期维度的扩展
在d2，e2，f2，g2，h2单元格中分别输入如下公式：（从等号开始）
d2： =weekday(a2,2)
e2： =year(a2)
f2： =text(a2,yyyy/mm)
g2： =text(a2,yyyy/mm/dd)
h2： =e2&-w&text(weeknum(a2,2),00)
表格会在下方单元格自动填充好公式。
此步骤的目的，是对应最终效果中的5个切片器，如图：
更多说明：此处可以将日期切分出更多的数据维度，如：年、月、日、年月、月日、年月日、星期、所在周等，可根据需求自定义数据的显示格式，方便后续筛选分析。公式的使用方法可以百度搜索一下，这里不展开讲。
4.7 属性维度的拓展
新建一个sheet页，重命名为“v引用”，这张表里的数据需要自行填写，具体填写的内容可参考如下表：
在刚刚自动生成的sheet2中，在i2，j2，k2，l2，m2单元格中分别输入如下公式：（从等号开始）
i2： =vlookup(b2,v引用!a:b,2,0)
j2： =vlookup(b2,v引用!a:c,3,0)
k2：=b2
l2： =vlookup(b2,v引用!a:d,4,0)
m2：=vlookup(b2,v引用!a:e,5,0)
此步骤对应最终效果中的5个切片器，如图：
更多说明：
此处的目的是从原始的数据维度中提取更多的信息，如“pc端访客数”，可提取出“pc端”，是对所属平台进行区分；另可提取出“访客数”是对所属的大类进行区分。方便后期的筛选分析。
vlookup公式的使用方法可以百度一下，这里不展开讲。
“v引用”这张表格里的数据是自行填写的，目的是将生意参谋的属性拓展归类，这个部分可以参考着自己做一下，不复杂。
4.8 插入数据透视表
选中表中任意单元格，选择[插入]-[数据透视表]，如图：
点击确定，插入数据透视表，如图：
更多说明：转化为一维数据表之后，包括后期对日期和对属性进行的进一步切分，都是为数据透视表做的准备工作。
4.9 拖动数据到数据透视表
将“所在周”，“日期-月日”字段拖动到[行]中， 将“值2”拖动到[值]中，将“属性”拖动到[列]中，如图：
完成后的效果如下：
将日期进行升序排列，如图：
更多说明：通过将数据维度拖入到不同的区域，最终形成了如图的表格形式。
可以给数据透视表插入柱状图后，将数据放到行与列中进行不同组合的尝试，通过图表区直观感受“行”与“列”的区别。
4.10 插入柱状图
选中透视表中任意单元格后，选择[插入]-[插入柱状图]，如图：
更多说明：此处的柱状图也可以替换为折线图、面积图、饼图等其他展现形式。大家可以尝试不同的图表形式。
4.11 插入切片器
重新选择任意单元格后，选择[数据透视表分析]-[插入切片器]，在弹出的“插入切片器”窗口中，勾选图中的选项，具体如图：
点击确定后，完成的效果如图：
更多说明：前文中我们通过添加公式拓展出来的更多的数据维度，都可以作为切片器插入到数据透视表中进行筛选。切片器可以理解为筛选器，多个切片器可以同时工作，将数值聚焦到一个更细分、更精确的部分。
4.12 调整布局
选中任意一个切片器，按键盘ctrl+a全选，此时全选到了所有切片器+图表，按键盘ctrl+x剪切，创建一个新的sheet页，按键盘ctrl+v，将刚刚剪切的内容复制到新的sheet页中，如图：
更多说明：此处是将切片器和图表放到全新的一页sheet中。
4.13 调整美化
可以对图表及切片器进行设置：调整位置，大小，颜色等等，如图：
最终调整好的效果如图所示：
为每个sheet页重新命名，每页的内容如图：
更多说明：调整和美化可根据自己的喜好进行调整。
4.14 数据的更新：[需1次复制、2次刷新]
1次复制：在生意参谋中将最近90天的数据分批次都下载下来，复制粘贴到表格中，如图：
刷新1：把数据都粘贴到[1源数据]中后，在[2数据整理]表中的单元格上点击鼠标右键，选择[刷新]，如下图：
刷新2：在[4数据呈现]中，在图表上鼠标右键，选择[刷新]，如下图：
最后检查“日期-月日”这个切片器，可以看到日期都已正常显示，表明数据更新已完成，如下图：
未来发生的数据可以用同样的方法导入到表格中进行分析。
同样，也可以通过同样的方法，将生意参谋的其他数据进行处理。
至此案例实操部分就算讲解完成了。
为了弱化大家对实操部分的畏难心理，本文精简到核心的14个步骤。这个过程中精简了一些可说可不说的步骤。正常情况下是可以跑完全程的，而对于新手来说，最难受的莫过于整个操作过程中出现卡点，跳不过去，无法进行后续的操作，为此特意在上文14个步骤中加入了一些啰里八嗦的说明，以尽量规避卡点的出现。
————————结尾————————
这个模版有什么用？
实操案例的这个分析的模版比较基础，主要用来学习数据分析的基本操作，等到熟练应用以上操作之后，就可以定制自己的数据分析工具，比如本文开篇所展示的[词根+关键词综合分析表]，就是主要用到如上技术制作，如下图：
表格的功能如下：
核心筛选：
• 日期：年、月、日、所在周等日期维度的筛选
• 车词or搜索词：可以选择分析车词或搜索词，也可以两者对比分析。
• 属性：访客数、加购人数、收藏人数、支付件数等选择要分析的数据。
关键词分析：
• 1. 关键词带来的访客数增长趋势（单个或多个，汇总或对比）
此处显示的是两个关键词带来的访客数趋势对比。
• 2. 关键词带来的访客数占比
前10个关键词共带来1108个访客，占全部访客6227的42.4%，10个关键词汇总后的数据趋势如图。
词根分析：
大词根，小词根，核心词根：哪些可以替换掉；
词根带来的访客数增长趋势；
词根衍生出的关键词占比；
词根带来的访客数及占比；
词根覆盖到的关键词列表+关键词所在排名位置+所带来的访客数。
刚刚我们分析了访客数的情况，勾选[加购人数]，我们就可以分析词根+关键词在[加购人数]数据维度上的表现。
大家可以试着自己做一下。
以上，我们通过数据分析的技术，可以更深入、更透彻地看到词根与关键词的内在联系，告诉我们哪些词根可以动，哪些不能动，哪些需要马上换掉，哪些需要再观察一下。
掌握了数据分析思维和数据分析的技术，就可以自己制造更多运营核武器。
所以，数据分析还是很重要的，不是吗。
欢迎交流学习~
————————————————————————————————
往期帖子
[seo优化]史上最强！3步搞透seo——流量暴增就这么简单

[权重基本原理]——一文读懂什么是权重