随着数据时代的到来，各行各业的经营发展开始注重数据分析思维。通过数据，我们可以了解产品的好坏、用户的喜爱程度，从而用数据去解决产品存在的问题。
数据分析更多的是基于业务背景来解读数据，把隐藏在数据背后的问题所以出来，发现其中最有价值的东西，再加以优化。
在提炼数据的整个过程中，人是主观的，而数据是客观的。同样的数据但不同人解读出来的结果肯定是不一样，但结论的本身并没有错。那么我们做电商数据分析师常用的方法有哪些呢？
当开始数据分析产品时，首先分别分析每个变量，以描述拥有的数据并评估其质量，接下来分析每个变量之间的关系。这里我把电商数据分析分为四大版块：即对比分析、转化分析、留存分析、产品比价。
横向对比：简单的说就是和谁对比？假如说我们上个月店铺的成交额增长了30%，那么我们是不是应该开心呢？
当然不是，这里我们还要参考竞争对手的成交额，如果你的竞争对手增长了50%呢？这个时候我们就需要一个参考指标。数据时代，我们可以很轻易的拿到竞争对手的相关数据。
纵向对比：我们可以把近15天的成交额以线条的形式显示出来，这样就可以很清楚的看到近期的成交额是否达到预期，有没有下降趋势，当然我们也可以以季度、月或周为单位。
（图片来源于网络）
我们也要考虑到日常生活中的特殊场景，比如双11、双12、元旦等活动促销，那么成交额是否会暴涨。所以在做纵向对比的时候，一定要考虑所有的情况，也许你的商品恰逢周末就是卖不出去呢？我们还可以这样考量：
（1）最近一个季度，每周六日的成交额。
（2）近三年双十一当天的成交额等等。
这里牵涉到一个问题，评判一家电商企业需要用到的一些日常统计指标：
（1）店铺的目标用户数量：一家店铺的成交量，反映的是这家店铺对于市场的影响以及用户对于产品的满意度。
（2）平均消费金额：店铺每年平均每位用户消费了多少，以此来定位目标人群，确定是否达到盈利的指标。
（3）用户的复购率：判别产品满意度，假如用户购买过一次后，还会购买第二次，说明用户对于你的产品还是很满意的，这样既节省了市场推广费用，用户也会推荐给更多朋友来够买。
根据公司目标用户，确定转化指标。
（1）混合模式：复购率不足30%，说明经营的中心应该放在维护老用户，以及大力发展新用户。
（2）忠诚度：老用户的复购率在60%，说明老用户对于公司的产品足够满意、放心，这个时候你就可以把重心放在发展新用户上。
我们通过活动等形式把用户引流到我们的流量池里，但是经过一段时间后，用户可能就会慢慢的流失了。那些留下来或者经常访问我们店铺的用户称之为留存。
（图片来源于网络）
我们常常用到的日活跃用户量、月活跃用户量、季度活跃用户量，来检测我们店铺的流量。有的时候可能会看到我们的日活，在一段时期内都是逐渐增加的，以为是非常好的现象，但是如果没有做留存分析的话，这个结果很可能是一个错误的。
留存是产品的核心，用户只有留下来，我们的产品才能不断增长。如果我们什么都不做的话，用户很快的就流失了。
大部分电商公司会频繁搞促销，一般来说每次打的旗帜无非是全网最低，但是如何才能确定是全网最低呢？
这个时候就需要我们去搭建一个比价系统，这个比价系统的目的主要是为了去抓取各大电商平台商品的价格。通过各大电商平台的价格以及优惠额，来制定你自己的策略。
（图片来源于网络）
通过对比其他平台的产品来战略性的调整自己的产品，这样就可以避免自己的产品价格调整后，消费者不买账的情况。
产品的定价是一件极其重要的事情，如何做到买一送一，买多少减多少的情况下，公司的盈利不受影响，这就需要我们数据分析师起作用了。
以上就是我根据电商数据分析列出的四大板块，我们在不同的行业需要用不同的形式把它展示出来。在数据面前，清晰的知道自己应该如何运营，那一种方法解决实际问题才是最有效的，学以致用。结合场景灵活运用，没有最好的分析方法只有最适合的，欢迎大家点评以及纠正！
cda（数据分析师认证），由国际范围内数据科学领域行业专家、学者及知名企业共同制定并修订更新，迅速发展成行业内长期而稳定的全球大数据及数据分析人才标准，具有专业化、科学化、国际化、系统化等特性。
本着提高企业、高校、学生、求职者之间联动性的宗旨，在数据界有志人士的共同努力下，cda数据分析师认证应运而生并迅速得到中国银行、ibm大数据大学，中国电信，国家电网，德勤，cdms、oracle、德国云网、meritdata、法国布雷斯特商学院等认可。
同时跻身为2020年终身学习品牌项目，担当连接企业、高校、从业者的纽带角色。
