首先，我们先来看下电商的主要数据：

A、营销数据：做电商避免不了要玩转各类营销活动，这样的话必定会产生营销费用、用户覆盖数，活动点击、打开等营销数据，然后这些数据衍生出人均单价、活动打开率、人群触发率等指标。

B、会员数据：电商会员门槛都比较低，注册了就是会员，然后根据消费金额或消费金额换算的积分来升级会员等级，如：淘宝的淘气值积分。

C、流量数据：电商运营最核心的数据就是流量数据，包含了平台的浏览量、访客数、用户登录时间、在线时长等数据。

D、交易和服务数据：交易数据主要包括交易的金额、数量、人数、商品信息、交易场所、交易时间等数据，服务数据主要包括供应链等数据。

其次，我们看下电商数据分析的思维模式：

A、对比：若我们只看今天运营产生的数据，几乎没任何意义，但当我们把今天的数据和昨天的数据做对比，或把这个月数据和上个月数据做对比，这才能将数据有用化。

B、拆分：销售额是电商运营中非常重要的指标，若今天的销售额是昨天销售额的百分之五十，怎么找出造成该结果的原因呢？答：可以用拆分的方法，销售额=成交用户数*客单价，还有成交用户数=访客数*转化率，我们可以通过指标拆分，发现今天销售额降低的原因出在哪里，根据实际情况作出对应的策略调整。

C、降维：当指数维度太多时，可去掉一些可由其它维度计算得到的维度，例如：成交用户数=访客数*转化率，我们可以在这三个维度中三选二。

D、增维：俗话说，有增必有降，当我们已有指标不能很好解释问题时，可以利用其它维度指标通过计算进行增维，例如：很多人把搜索指数/宝贝数=倍数，用倍数指标来衡量一个词的竞争度，这就是通过搜索指数和宝贝把两个指标增维了倍数这个指标。事实上，想降权和增维，需要我们对指标所代表的实际意义有充分的认识，这才是有用的。

E、假设：当我们看不清楚结果时，可以用假设的方法，选用几个可能的结果，假设是这些结果，然后再分析可能的结果，假设是这些结果，在分析可能产生这些结果的原因是什么，这也是一种逆向思维。