电商数据分析教材,电商网站的数据分析中，有哪些关键数据需要特别注意

1、电商网站的数据分析中，有哪些关键数据需要特别注意？

电商网站的数据分析中主要有访客量，浏览深度，转化率，询单量，老客户的占比，关键看过来的访客价值比，来了的访客是否给你带来真正的价值！及你在电商网上的投入推广产出比，你的投入的产出比是否成正比

2、关于电商的书看哪些好？

我推荐几本

1.黄若 《我看电商》

细说中美电子商务发展的不同路径，评点国内各大电商企业的是是非非，详解其中的融资、模式、运营、效率等

2.黄成明《数据化管理：洞悉零售及电子商务运营》

两个年轻人在大公司销售、商品、电商、数据等部门工作的故事，通过大量案例深入浅出地讲解了数据意识和零售思维。

3.《11.11如何卖到一个亿》

如何卖到一个亿，先定一个小目标

4.拉塞尔·布伦森《如何打造电商爆品》

不管是流量低还是转化率低，都只是一个关键问题的症状而已，而隐藏在这些症状背后的更严重、更难发现的问题就是——销售漏斗问题。

5.许晓辉 《一个人的电商》

首次披露电商的运营与操盘内幕，徐小平、梁宁作序，雷军、陈彤、张向东、刘韧、王峰力荐！

6.黄若《走出电商困局》

作者是原当当网首席运营官 (COO)、天猫商城创始总经理。

7.黄若《再看电商》

《再看电商》是《我看电商》的话题延续，对中国电商行业的发展和现状做了深入探讨

8.老A电商学院《淘宝网店深度SEO优化技术揭秘：网店流量高效转化》

从淘宝的各种搜索规则出发，教会卖家以不变应万变，在遵守规则的前提下，进行宝贝排名优化。

9.阿里巴巴集团双11技术团队《尽在双11：阿里巴巴技术演进与超越》

双十一狂欢背后的技术创新。

10.谭贤 《O2O融合：打造全渠道营销和极致体验》

如何通过O2O做渠道、做营销、做产品和做用户。

11.鬼脚七《做自己:鬼脚七自媒体第一季》

关于生活、互联网、自媒体的睿智分享，也有关于淘宝、搜索的独到见解

3、自学数据分析需要看哪些书的？求推荐？

本次书单推荐包含「入门篇」、「进阶篇」、「高阶篇」，适用于不同层次的学习者。请大家对号入座，收好适合自己的修炼秘籍吧~

入门篇 1.《谁说菜鸟不会数据分析》

推荐理由：基于通用的Excel工具，在8个章节中，分别讲解数据分析必知必会的知识、数据处理技巧、数据展现的技术、通过专业化的视角来提升图表之美、数据分析报告的撰写技能以及持续的修炼。读者完全可以把这本书当小说来阅读，跟随主人公小白，在Mr.林的指点下轻松掌握数据分析的技能，提升职场竞争能力。

2.《深入浅出数据分析》

推荐理由：数据分析入门第一本。通俗简单，却能够让读者对数据分析的相关概念有大致的了解，诠释了数据分析的基本步骤，实验方法，最优化方法/假设检验法/贝叶斯统计法/等等方法论，还有数据整理技巧，这个太重要了，为读者搭建了走向深入研究的桥梁。

3.《深入浅出统计学》

推荐理由：号称“文科生也能看懂”的统计书。尽管阅读容易，但所讲的知识在数据分析中都是常见且必须掌握的，比如基本的统计量，基本上每个分析项目中都会用到；比如基本的概率分布，总体与样本的概念、置信区间、假设检验、回归分析，都是关于数据分析的统计学知识。

4.《赤裸裸的统计学》

推荐理由：作者年轻时是个追求学习意义的学霸，后来自己从统计学中发掘了很多可以应用到生活的地方。这也是本书的主旨，结合生活讲解统计知识，生动有趣。可以避免统计学一上来就大讲贝叶斯概率和随机分析的枯燥。

进阶篇 一、数据分析—Excel 1.《EXCEL数据处理与分析实战技巧精粹》

推荐理由：详尽的实例，精彩的讲解，细致的描述，多角度的剖析，融汇Excel Home万千问题与答案，彰显Excel丰富内涵。相信本书是你爱不释手、轻松办公的利器。

2.《Excel VBA从入门到精通》

推荐理由：本书分为五篇，其中第一篇是VBA基础知识篇，主要内容包括VBA的概念、宏和VBA开发环境；第二篇是VBA基础语法篇，主要内容包括VBA语法基础、VBA基础语句、程序结构控制语句、过程、Sub与Function过程；第三篇是Excel VBA对象篇，主要内容包括Excel VBA对象模型和应用程序对象、工作簿对象、工作表对象、单元格对象和图表对象；第四篇是VBA高级应用篇，主要内容包括自定义Excel 2010的用户界面、工作表控件、界面设计、XML与VBA、加载宏和数据库编程等；第五篇是综合实例与面试问答篇，主要讲解了成绩管理系统和日程安排表两个综合实例，并提供了30多个近几年各大公司经常考察的面试题。

二、数据分析—R 1.《R语言实战（第2版）》 推荐理由：本书从解决实际问题入手，尽量跳脱统计学的理论阐述来讨论R语言及其应用，讲解清晰透澈，极具实用性。作者不仅高度概括了R语言的强大功能、展示了各种实用的统计示例，而且对于难以用传统方法分析的凌乱、不完整和非正态的数据也给出了完备的处理方法。第2版新增6章内容，涵盖时间序列、聚类分析、分类、高级编程、创建包和创建动态报告等，并分别详细介绍了如何使用ggplot2和lattice进行高级绘图。通读本书，你将全面掌握使用R语言进行数据分析、数据挖掘的技巧，并领略大量探索和展示数据的图形功能，从而更加高效地进行分析与沟通。

2.《统计建模与R软件》

推荐理由：书中结合数理统计问题对R软件进行科学、准确和全面的介绍，以便使读者能深刻理解该软件的精髓和灵活、高效的使用技巧．此外，还介绍了在工程技术、经济管理、社会生活等各方面的丰富的统计问题及其统计建模方法，通过该软件将所建模型进行求解，使读者获得从实际问题建模入手，到利用软件进行求解，以及对计算结果进行分析的全面训练。

三、数据分析—Python 1.《利用Python进行数据分析（原书第2版） 推荐理由：本书由Python pandas项目创始人Wes McKinney亲笔撰写，详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。第2版针对Python 3.6进行全面修订和更新，涵盖新版的pandas、NumPy、IPython和Jupyter，并增加大量实际案例，可以帮助你高效解决一系列数据分析问题。

2.《Python数据分析从入门到精通》

推荐理由：对于希望使用Python来完成数据分析工作的人来说，学习IPython、Numpy、pandas、Matplotlib这个组合是目前看来不错的方向，本书就是这样一本循序渐进的书。内容精练、重点突出、实例丰富，是广大数据分析工作者必备的参考书，为读者能真正使用Python进行数据分析奠定基础。

3.《Python数据挖掘：概念、方法与实践》

推荐理由：本书使用Python编程语言和基于项目的方法介绍多种常被忽视的数据挖掘概念，如关联规则、实体匹配、网络分析、文本挖掘和异常检测。每个章节都全面阐述某种特定数据挖掘技术的基础知识，提供替代方案以评估其有效性，并用真实的数据实现该技术，帮助你“知其然，知其所以然”，从而迈向数据挖掘专家的道路。

四、数据分析— SPSS 1.《SPSS统计分析基础教程》

推荐理由：本书改变了以往SPSS书籍对统计理论和软件操作“两条主线、各自表述”的编写方式，将这两者完全融合了起来。它以SPSS 12.0为准，针对统计初学者和SPSS初级用户的需求，以统计理论为主线，详细介绍了在SPSS中的界面操作、数据管理、统计图表制作、统计描述和常用单因素统计分析方法的原理与实际操作。其内容完全覆盖目前国内大部分专业本科统计课程的教学范围，并结合SPSS的强大功能作了很好的扩展。全书内容深入浅出，风格简洁明快，是一本难得的统计理论与SPSS操作相结合的统计参考书。

2.《Discovering statistics using spas》

推荐理由：国外的一些入门书籍很容易上手， 在学术论坛和知乎等页面都有网友推荐这本书。国外图书价格偏贵，但是据说某宝的PDF版很便宜。

3.《问卷统计分析实务： SPSS操作与应用》

推荐理由：本书的内容架构，在于完整介绍问卷调查法中的数据处理与其统计分析流程，统计分析技术以SPSS统计软件包的操作界面与应用为主，内容除基本统计原理的解析外，着重的是SPSS统计软件包在量化研究上的应用。

五、 数据分析—SAS

1.《The little SAS book》

推荐理由：内容不深，但是全面、实用，很经典的一本书，适合初学者看。英文版读得太累可以搜一下中文版。

2.《SAS统计分析应用》

推荐理由：本书基于SAS 9.1.3中文版本编写，介绍了SAS Learning Edition基于窗口点击式环境以及Base SAS、SAS＼STAT的用法。全书以统计分析方法为主线，通过大量实例，详细介绍了SAS程序设计方法及各种统计过程适用条件和使用方法，并对统计过程实例的输出结果做了详尽的解释。

3.《SAS统计分析与数据挖掘》

推荐理由：从SAS编程出发，用案例形式介绍SAS数据挖掘在各领域的广泛应用，全书分为SAS基础篇、提高篇及应用篇，每章均给出大量分析案例。

六、数据分析—SQL

1.《SQL必知必会》

推荐理由：本书是深受世界各地读者欢迎的SQL经典畅销书，内容丰富，文字简洁明快，针对Oracle、SQL Server、MySQL、DB2、PostgreSQL、SQLite等各种主流数据库提供了大量简明的实例。与其他同类图书不同，它没有过多阐述数据库基础理论，而是专门针对一线软件开发人员，直接从SQL SELECT开始，讲述实际工作环境中最常用和最必需的SQL知识，实用性极强。通过本书，读者能够从没有多少SQL经验的新手，迅速编写出世界级的SQL！

2. 《SQL基础教程》

推荐理由：本书介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法，提供了大量的示例程序和详实的操作步骤说明，读者可以亲自动手解决具体问题，循序渐进地掌握SQL的基础知识和技巧，切实提高自身的编程能力。在每章结尾备有习题，用来检验读者对该章内容的理解程度。另外本书还将重要知识点总结为“法则”，方便大家随时查阅。

3.《高可用MySQL：构建健壮的数据中心》

推荐理由：本书是“MySQL High Availability”的中文翻译版，主要讲解真实环境下如何使用MySQL的复制、集群和监控特性，揭示MySQL可靠性和高可用性的方方面面。本书由MySQL开发团队亲自执笔，定位于解决MySQL数据库的常见应用瓶颈，在保持MySQL的持续可用性的前提下，挖潜各种提高性能的解决方案。

七、数据挖掘 1.《数据挖掘导论（完整版）》

推荐理由：本书全面介绍了数据挖掘，涵盖了五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章。前一章涵盖基本概念、代表性算法和评估技术，而后一章讨论高级概念和算法。这样读者在透彻地理解数据挖掘的基础的同时，还能够了解更多重要的高级主题。

2.《数据挖掘概念与技术（原书第3版）》

推荐理由：本书完整全面地讲述数据挖掘的概念、方法、技术和最新研究进展。本书对前两版做了全面修订，加强和重新组织了全书的技术内容，重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容，还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领域。 3.《大数据：互联网大规模数据挖掘与分布式处理（第2版）》

推荐理由：畅销书全新升级，新增影响与同质性、社交媒体推荐和行为分析等超实用内容，涵盖解决数据挖掘核心问题所用算法，及实际应用数据挖掘所需知识，理论与实现并重。斯坦福大学数据挖掘方向专家Jure Leskovec、Anand Rajaraman、Jeffrey David Ullman重磅力作。

八、数据可视化 1.《数据可视化之美》

推荐理由：在本书中，20多位可视化专家包括艺术家、设计师、评论家、科学家、分析师、统计学家等，展示了他们如何在各自的学科领域内开展项目。他们共同展示了可视化所能实现的功能以及如何使用它来改变世界。成功的可视化的美丽之处既在于其艺术设计，也在于其通过对细节的优雅展示，能够有效地产生对数据的洞察和新的理解。

2.《用数据讲故事》

推荐理由：本书通过大量案例研究介绍数据可视化的基础知识，以及如何利用数据创造出吸引人的、信息量大的、有说服力的故事，进而达到有效沟通的目的。具体内容包括：如何充分理解上下文，如何选择合适的图表，如何消除杂乱，如何聚焦受众的视线，如何像设计师一样思考，以及如何用数据讲故事。本书得到了国内数据分析大咖秋叶、范冰、邓凯的推荐。

3.《ggplot2：数据分析与图形艺术》

推荐理由：ggplot2 是最优秀的数据分析可视化工具之一，这本书系统地讲解了 ggplot2 的基本原理和具体操作，书中有大量的例子，也可以下载源代码。更建议直接学习英文版的教材（如果英文过关的话）。

九、报告撰写 《麦肯锡教我的写作武器》

推荐理由：本书分为基础篇和实践篇两部分，结合实际案例，系统地介绍了运用逻辑思考，制作一份兼具逻辑力与明确表达力的精彩商务文案所需的诸多方法，如金字塔原理、MECE原则、分辨问题类型的高杉法、SCQOR故事展开法以及具体制作报告与简报的方法等，让你学会逻辑思考方法、提高写作能力的实用工具书。

高阶篇 1.《精益数据分析》

推荐理由：此书优势在于将企业分成了几个大的行业类别，并分门别类的讲解了每个行业的商业模式特点及分析技巧，对使用者的分析能力要求较高，且必须具备相应的业务知识。书中并没有讲到具体的数据分析技术，主要分析了各种产品中用到的指标、模型和“数据驱动型产品”的一些思路。

2.《数学之美》

推荐理由：本书把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。读者通过具体的例子学到的是思考问题的方式 —— 如何化繁为简，如何用数学去解决工程问题，如何跳出固有思维不断去思考创新。

3.《集体智慧编程》

推荐理由：本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。

4.《机器学习》

推荐理由：展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。本书综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。 5.《R数据分析——方法与案例详解（双色）》

推荐理由：R是属于GNU系统的一个自由、免费、源代码开放的软件，用于统计计算和统计制图。这本书从实用的统计研究角度逐例分析R在数据处理、模型构建、以及图形操作上的由浅入深的结合，堪称经典。 6.《Python高级数据分析：机器学习、深度学习和NLP实例》

推荐理由：本书介绍了基于Python的高级数据分析，探讨了Neo4j、Elasticsearch和MongoDB等数据库，讨论了如何实现包括主题爬取在内的ETL技术，并用于高频算法交易和目标导向的对话系统等领域；还介绍了一些机器学习概念（如半监督学习、深度学习和NLP）的例子；同时涵盖了重要的传统数据分析技术，如时间序列和主成分分析等。

4、想通过数据分析来辅助电商运营，应该从哪里入手学习？

我是宇震，互联网运营

电商运营的业绩一切以销售额为准，甚至包括我们的产品卖的好不好都是以数据来说话的。那我们应该怎么学习？

1.商品方面数据显示

总销售额，总销售量，热销产品销量，店铺产品爆款流量，销售额产品最高的产品

2.客户方面数据

总访客、新访客、新注册用户、客单价

3.客户行为数据

每日uv、pv 等等，热区图，转化漏斗

4.推广数据

推广总费用，总收入，ROI，各投放渠道，点击量等。

做数据分析，需要明白几个东西

1.数据样本

2.数据选择

3.动态变化

我是宇震，互联网运营，欢迎大家关注我，大家一起学习一起进步一起交流

5、电商创业的十项综合评估要素？

一般来讲，电商创业的十项综合评估要素，主要包括以下十条：

1.人际智慧；

2.自我识别；

3.观察洞察；

4.电商数据分析与商业敏感；

5.转化率是关键，ROI是最终目标；

6.电商数据分析，衡量指标设定，前后端数据结合分析；

7.某些指标异常变化的原因分析；

8.利用数据分析用户的行为习惯；

9.客户的购买行为分析；

10.电子商务数据分析，注重实战经验。

6、天猫运营如何做好数据分析？

天猫数据分析分几个维度，大概说一下表象数据分析。具体的要根据实际情况来操作。非理论派，大多说的是实际操作。所以，如果有理论类的回答，可以互相借鉴一下，如有不准的地方，可以酌情忽略我的回答。只谈分析维度，不谈对应的策略。

1.淘宝大数据

这块，因为淘宝指数已经关闭，不做考虑了，仅能怀念一下。。。

2.行业数据分析

a.类目数据，首先要知道所处行业的销售情况。确定行业领先者，确定竞品。主要参考维度，最近一年12个月的单月销售情况，判断行业是否存在生命周期，判断主要促销月份，判断主要竞争品牌在每个月的销售情况。

b.类目热词，近期类目搜索热词的变动情况，根据需求判断。

3.店铺基础数据

a.主要分析UV PV 访问深度 停留时间 跳出率 转化率。

1)UV，进店人数，观察个月单日走势，观察年度个月走势，如果没有推广和活动报名，这个没有太强的逻辑性。

2)PV，这个会忽高忽低，根据当日进店用户精准度来判断，可以做简单的参考依据。

3)访问深度，结合PV一起来看，PV越高，相对的进度用户越精准，同比，访问深度也会提高。

4)停留时间，与PV、访问深度等同的数据。

5)跳出率，结合PV、访问深度、停留时间一起看。

6)转化率，这个最重要。多说点。

转化率是店铺销售最重要的指数，没有之一。

首先，转化率受前面5个数据所影响。通常情况下，UV和转化成反比，即UV越高，转化率越低，而如果要提升转化，就需要提升访问深度、停留时间，降低跳出率。

与转化率相关的几个维度，产品外观、价格、文案、页面逻辑、页面设计，这些维度影响着停留时间和跳出率。

产品关联销售影响着访问深度。

4.客户数据

a.入口数据，老客的进店路径，新客的进店路径。（结合推广数据来看）分析推广及营销活动的效果、用户日常的搜索习惯和搜索逻辑。判断关键词的设定等等，可以结合行业热词来看。

b.用户数据，购买产品的用户，老客与新客的比例是多少，复购率是多少，复购频次如何。

5.推广数据

a.直通车数据，CPC、UV、3天成交、7天成交等。

b.钻展数据，CPM、UV、3日回访等。

推广数据不敢多说，因为本身操盘的时间不长，害怕把路带歪了。

推广数据结合店铺销售数据一起来看。因为推广的目的是提升店铺的UV。

6.营销活动数据

a.优惠券，关注领取数量及使用数量。

b.套餐活动，活动期间，用户购买套餐的订单量占比，推算活动效果。

等等，根据自己组建的促销活动，参考上面的维度，进行组合分析。

7.产品数据（待补坑）

8.客服数据（待补坑）

9.DSR评分（待补坑）

以上，先写这些吧。有时间再补充填坑。

有些数据只是大概地进行归纳，没有绝对的范畴。

比如入口数据，说是客户类的数据可以，说是店铺基础数据也可以，根据个人喜好去判断。

7、在数据分析，挖掘方面，有那些好书推荐？

数据分析与数据挖掘包含了非常丰富的内容：数据、关联分析、分类、聚类、异常检测、可视化、编程实战、商业应用……下面这几本书都是数据分析和挖掘领域非常不错的图书，既有讲解基本算法的入门书，又有编程实战，还能帮你精益创业~

数据挖掘与分析入门书，兼顾基础知识和前沿话题

作者：[美]穆罕默德·扎基（Mohammed J. Zaki），[巴西]小瓦格纳·梅拉（Wagner Meira Jr.）

这本书是专注于数据挖掘与分析的基本算法的入门图书，内容分为数据分析基础、频繁模式挖掘、聚类和分类四个部分，每一部分的各个章节兼顾基础知识和前沿话题，例如核方法、高维数据分析、复杂图和网络等。每一章最后均附有参考书目和习题。本书适合高等院校相关专业的学生和教师阅读，也适合从事数据挖掘相关工作的人员学习参考。

斯坦福等众多名校使用的教材，信息管理专家、科技作家涂子沛倾情推荐

作者：[美] Pang-Ning Tan，[美] Michael Steinbach，[美] Vipin Kumar

本书全面介绍了数据挖掘的理论和方法，旨在为读者提供将数据挖掘应用于实际问题所必需的知识。本书涵盖五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都包含两章：讲述基本概念、代表性算法和评估技术；较深入地讨论高级概念和算法。读者在透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。

一周掌握常用的数据科学算法，提供完整源代码，实现案例式辅助讲解

数据科学（Data Science）是从数据中提取知识的技术，是一门有关机器学习、统计学与数据挖掘的交叉学科。本书讲解了7种重要的数据分析方法，分别是k最近邻算法、朴素贝叶斯算法、决策树、随机森林、k-means聚类、回归分析以及时间序列分析。每一章都以一个简单的例子开始，先讲解算法的基本概念与知识，然后通过对案例进行扩展以讲解一些特殊的分析算法，帮助读者深刻理解算法。

读者最喜爱的Python 3数据科学图书，能用命令说清楚的，坚决不用文字

作者：唐亘

这本书全面讲解了数据科学的相关知识，从统计分析学到机器学习、深度学习中用到的算法及模型，借鉴经济学视角给出模型的相关解释，深入探讨模型的可用性，并结合大量的实际案例和代码帮助读者学以致用，将具体的应用场景和现有的模型相结合，从而更好地发现模型的潜在应用场景。

数据科学领域为数不多的实用性技术图书，数据存储巨头EMC公司的集体智慧结晶

作者：[美]EMC教育服务团队（EMC Education Services）

这是一本详细剖析数据科学家职责、应备技能的数据分析图书。它通过分析数据分析生命周期的各个阶段，讲解用于发现、分析、可视化、表示数据的相关方法和技术；内容详细，示例丰富，侧重于理论与练习的结合，比较适合对大数据分析、数据科学感兴趣的人员阅读，有志于成为数据科学家的读者也可以从本书中获益。

示例丰富、简单易懂，学会Python编程，轻松应对大数据

作者：[美]阿曼多·凡丹戈（Armando Fandango）

这是一本介绍如何用Python进行数据分析的学习指南，延续了上一版示例丰富、简单易懂的优点，从Python程序库入门、NumPy数组和Pandas入门开始，陆续介绍了数据的检索、数据加工与存储、数据可视化等内容。同时，这本书还为读者补充了一些重要概念、常用函数以及在线资源等重要内容，非常适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。

100多位创始人、投资人、内部创业者和创新者的成功创业经验荟萃，30多个极具价值的案例分析指导你创业成功

作者: [加] 阿利斯泰尔·克罗尔， [加] 本杰明·尤科维奇

本书围绕精益创业展开讨论，展示了如何验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验，呈现了30多个极具价值的案例分析，可以为各阶段的创业者提供行为准则。那些想要验证自己的创意、解决实际问题和渴望拥有成功事业的人，可以把本书当成一套明确的实践计划、一幅清晰的创业路线图、一本实践指南，或者一套反复实践的方法论。

8、数据分析有哪些书籍和工具可以推荐？

我是一个普通的电商运营，因此我推荐的书最多只是适合普通电商运营的日常需求，我推荐的也必是我阅读过的，我认为对我工作有用的。下面是我推荐的书，也是我阅读时的笔记：

刚在做《从1开始：数据分析师成长之路》这本书，作者是张旭东。

1.好的作者写的书籍，总是能够把一门技能、一种思维由浅入深地娓娓道来，并且这过程有哪些注意的点，在实践过程中会出现什么问题，都能够一一说明，这才是有丰富实践经验的作者，这才是真正有无与伦比的作者！

比如作者论述excel图表时是这样说的：

拆线图反映变化趋势；

饼状图反映组成成分；

柱状图反映数值大小；

散点图反映数据集中度；

面积图反映数据累积情况。

并针对现实场景进行了一一举例。

这虽然是对图表简单的描述，也正是这么基础的描述，你能感受到作者是经过多少实践、也大概率是在不断教导新人的过程中总结出来的经验，而绝对不是东拼西凑成书的。

另一个例子是论述数据需求处理时，作者给出的流程是：

需求方（提需求）——分析师（确认需求的目的）——目标数据拆分——提供数据——效果追踪。

这是简单的流程，作者分别对每一步进行说明，并且对第一步需要用到的实用技巧也提点出来了，比如目标数据可以如何拆分：可以从属性、行为这两个维度，

属性：地域、年龄、性别、星座......

行为：浏览、点击、收藏、加购、购买......

同一属性、不同行为描述概括，比如了解某一年龄阶段的一系列行为；

不同属性、同一行为的对比分析，比如不同城市的收藏加购数据对比。

还是简单的论述，但却是思路清晰，内容实用，让我马上对自己日常工作的数据分析有了条理和清晰的思路！

这才是实战的作者，实践经验丰富的作者知道读者们需要什么，因为这就是他每天在做的事情。

2.在本书的前面作者也对数字、数据、数学、统计学以及平均值、方差等基本概念做了简单的说明，对常用逻辑思维也有例举，算是对小白的普及引导，对于一个日后将成为专业的运营管理人员来说，无疑能够增加不少认识；当然别的书籍也会有这样的描述，本书作者好的地方就在于其简单明了地说明，也有些简单的例子，让人看了就懂、理解，不会觉得枯燥， 最重要的，不会让读书觉得作者在凑字数！说一些大话、空话！在我经历了那么多各种东拼西凑、重复啰嗦凑字数的烂书之后，发现能够这样简单明了把事情向读者说得清楚的书(和作者)是多么难得。

3.作者说到数据分析的逻辑时，并没有一一列举常见的一些数据分析逻辑，可能不是作者想要论述的或作者平时常用的经验，但我习惯性地在笔记本写下：常见的数据分析逻辑有哪些？然后自己想到什么就一一先写下来，并且举例子，比如我写下其中一个逻辑是：结论——论据＋论述——结论，大概是总分总的模式，然后我举的例子是最近我觉得抖音直播是会很快过时的一种带货方式(这是我的结论或判断)，然后自己写出几个论据(理由)。这是我习惯的一种笔记方式，后续复习笔记时我想到什么，可以继续补充发挥，以积累这方面的知识。

4.书中有一句话戳中了我的痛点：许多人为了学习一门技能，先后购买了许多书和教程……不断与人交流学习……经过一番折腾后却发现收效甚微，到头来才发现没有基于应用场景的学习只能停留在皮毛阶段……。简单来说就是学习要理论与实际先结合，但这耳熟能详的道理却往往被我们忽略，不少人都在走这样的弯路，最终落得个草草收场，认为学习真的是太难了，不是一般人能做的事情！我前几年一直在走这样的弯路啊！另外即使明白这个道理也养成了习惯，习惯基于应用场景的学习以保重高效，但有些技能的应用场景本身就很少甚至你没有机会接触应用场景，那也很难高效学习，比如管理学、领导力、人际关系这些学问。

总的来说这本书带给我的启发是不少的，这是我阅读过的最好的数据分析的书了，带给我的更多的是认知上的提升。另外之前看过的数据分析相关的书中也不错的有《谁说菜鸟不会数据分析》《你早该这么玩excel》，这两本书就偏向于具体的数据处理技能，更工具性。

9、求电子商务专业网上课程教材？

教材一般有：《电子商务导论和概述》《管理经济学》《市场营销》《ORACLE在企业中的应用》《JAVA——J2MEJ2EE》《JSP-网站开发和建设》《网络通信与技术》

电子商务（文理兼收学制四年）

主要课程：电子商务原理、公共关系，管理学原理、基础会计、经济法、宏观经济学、微观经济学、统计学、金融学、网络技术、C#程序课程设计导论、数据库、电子商务物流管理、JAVA程序设计、企业资源计划（ERP）、电子商务网站课程设计、国际贸易、网络营销、电子商务案例分析、电子商务法、电子商务信息系统分析、网上支付与电子银行等。