不管是产品还是运营，日常业务肯定会接触以下一些数据：
核心数据：
新增：新用户增加的数量和速度，如日新增、月新增等
活跃：活跃用户数，如日活(DAU)、月活(MAU)
留存率：留存率=新增用户中年登陆用户数/新增用户数*% (一般统计周期为天)
流失率：流失率=流失用户/全部用户*%
用户数据：
用户环境数据：用户的地理位置、年龄、性别、职业等
用户订单数据：新增购买用户、重复购买用户等
针对不同的产品，关注的重点数据也会有所不同，如电商更关注订单量、销量、交易额;视频类产品更关注平均访问时长、跳出率等。
部分公司可能专门设有数据分析师这一岗位，但他们解决的更多是数据的来源、追踪这一问题，生成的数据分析报告是对数据进行第一手的处理。
作为和业务结合更为紧密的产品、运营来说，需要掌握的，是如何从这些数据中得出能够帮助业务改善成长的信息。与其说产品、运营需要懂数据，不如说他们需要学会「用」数据。
下面的一个真实案例将会告诉你：懂得如何使用&解读数据，对于产品、运营的业务帮助能有多大。
背景介绍：
坐标：上海 | 工作时间：年
毕业院校：上海某一本电商专业
现任职位：某top生鲜电商类目运营
毕业刚工作时，我进入一家生鲜类电商公司工作，跟着零食类目的运营负责人做助理。
在电商公司里，「类目运营」主要职责就是要管理整个类目的商品结构，保证它既能充分满足用户需求，又不会选择过多，搞得用户眼花缭乱，还能最大化地满足公司的营收和利润目标。
当时我的导师是姐，一个数据分析师出身的类目主管，接手零食类目管理年，就帮公司把销售额翻了一倍，还搭建了好多科学化、数据化管理的体系，大家的“人效”都提高不少。
销售额提升分析
有哪些你想不到的套路
刚接手的时候，姐跟我说公司最近零食类商品发展不错，但是肉类零食那块离目标比较远，让我分析研究下该怎么提升销售额。
我当时的第一想法是把这个类目下所有商品的年销售额拉出来，哪个商品卖的不好，就把它换掉就行。
我花了一个下午，整理出肉类零食的年销售额，搞了一张商品清单，把所有销售额排在后%的商品都列上去了。
列完清单，感觉好像还不太够，会不会有些商品是受季节影响，只在旺季卖的好呢?于是，我又拉了另一张表格，看了看每个商品分季度的销售情况，把其中四个季度销量都排名靠后的商品挑出来。
数据整理好了，表也列完了，但是要怎么调整，我却发了愁。考虑了整体销售额和季度的影响，但总觉得漏了很多东西，只能转而向姐求助。
姐看到这个清单就笑了：“能想到细分到具体商品，看销售额低的原因，说明你还是有点分析意识的，就是太简单直接了点。而且为什么要淘汰最后的%呢?依据是什么?”
说着，她随手画了张图：
看完这个，我整体的思路就清晰多了，从销售额的各个环节去拆解，再结合数据，我就能知道到底是流量不足，还是吸引力不够，转化率过低，或者是商品单价的问题。
小白姐又说，“别着急，这还只是第一步。你不是想知道，哪些商品应该淘汰、哪些该重点发展吗?给你介绍一个二八分布原则和ABC诊断法。”
“这是我之前看过的一个零食品类，发现它并不符合二八原则，用了%的商品，才贡献了%的营收。”
这就可能说明：
.品类中的低效商品太多了，这时候你就可以再根据商品日均销量、销售额来评估，哪些是低效商品了。
.当然还得注意，造成整个品类看上去低效的原因可能有很多，最终我们不一定是要淘汰尾部商品，比如还有可能是：头部动销商品缺货、订货到货有问题，或者整体类目的定价不合理，造成各段商品都缺乏价格竞争力等等。
听完这个，我只从销售额这一个维度去分析也是片面的，有些产品销售额低可能只是定价低，但是整体销量大，对于拉新的效果非常好。
做电商、管类目并不是那么简单，对自己的商品、运营数据要做到条分缕析、了然于心。从目标制定，到监控，到复盘诊断，再到结构优化，每一步都有学问，要仔细钻研的地方有很多。
做好数据分析
必须掌握的几项技能
今年双十二，老板让我们搞一套监控分析体系，及时总结得失，让做活动不再变成白花钱。
接到这个任务的我其实一头雾水，小白姐说：“没事，我也有过当新人的时候，慢慢来。不过，如果想要解决业务的实际问题，得出业务的机会和风险，「数据分析」的能力是每一个人都必须具备的。”
想要更好的分析数据，利用数据，不但需要有好的数据思维，懂数据相关的理论知识、技能技法，更重要的是要具备业务 Sense，还要有足够强的学习能力。
单独拿技能层来讲，就包括各类数据分析的方法：
比如指标树拆解法、多维矩阵分析法，分析中也要会用多种工具，比如Excel、SQL、Python等等。
