电商运营中的数据分析重点是掌握关键的电商运营指标和分析方法
题主既然是做电商运营的，那么应该很了解运营，我这里只聊一下如何在电商运营中应用数据分析。
电商运营作为用户和平台、商家之前的桥梁，工作内容涉及内容，活动，用户等多个方面，而题主想学习的数据分析，则能很好的使“桥梁”的作用发挥得更好，更好的服务用户，同时使商家收益更大化。
运营+数据分析，衍生出了一个新名词，数据运营，有两层含义，狭义是指数据运营这一职位，广义指用数据指导运营决策，驱动业务增长的思维方式。
上图只是宽泛了列出了数据运营岗位的主要任务和目的，看起来和普通运营差别不大，区别在于数据运营在其上的每一个步骤都更加强调应用数据分析的方法。结合到电商行业，就是电商数据运营。
电商数据运营中最重要的是数据规划和数据分析方法
数据规划即确定电商中核心指标：
会员指标：
有价值的会员数，活跃的会员数，会员活跃率，会员回购率，会员留存率，平均购买次数，会员流失率
流量指标：
跳失率，二跳率，浏览量，PVIP比，订单转化率，访客数，到达率，平均在线时间
运营指标：
成交指标，效率指标，采购指标，库存指标，供应链指标，订单指标，退货指标
转化指标：
注册转化率指标，转化率指标，客户转化率指标，手长转化率指标，添加转化率指标，成交转化率指标
那么学习数据分析的第一步就是搞清楚这些指标的含义以及计算方法，其中大部分都是统计汇总数据，一般来说可以使用Excel解决，同时使用Excel绘制数据结果可以较直观的展现数据变化趋势。如果需要自己去数据库中取数，那还需要学习SQL，主要是select查询语句的写法。
学习数据指标的工具：Excel, SQL
数据分析方法的学习，在电商运营中可以理解为数据分析思路
分析方法非常多，如平均分析法，比较分析法，漏斗分析法，交叉分析法，杜邦分析法，分组分析法等。
我这里针对电商说几个核心分析方法：
二八法则，排行榜分析方法，直接相加法，加权求和法，多次排名法
另外还有一些经典的分析模型，如RFM，AARRR模型等，如RFM模型，如果使用Excel和sql来处理则比较繁琐和麻烦，特别是当数据量大了之后，效率也会降低，这时可以考虑使用Python来处理数据和建立模型，提升效率和简化操作。
学习分析方法的工具：Excel, SQL，Python/R
相较与宽泛学习数据分析，在电商运营岗位上学习数据分析目的性强，效率更高
希望对你有帮助，祝顺利！
