數據分析，是通過對用戶行為量化的分析，挖掘出用戶自己都意識不到的真正需求。
曾經，兄弟企業準備對一個鄉鎮投放產品，之前做過用戶調查，這裡的人們喜歡吃羊肉，於是以羊肉燉料為主打，和另外一款鴨肉燉料一起投放。
結果大吃一驚。通過一個月的數據顯示，發現鴨肉燉料反而是羊肉燉料銷量的三倍。
這是什麼原因？不是喜歡吃羊肉嗎？是產品口味不適合當地人嗎？
後來，通過跟本地一個超市老闆聊天，無意間老闆說起這裡同類產品，有價格優勢的，銷量會一直居高不下。本來這個數據看似是對我們無用的，因為我們的產品當時品類不同，價格是相同的。
後來，突然意識到，鴨肉比羊肉便宜！這才是重點！真的是這個原因？
接著，調整產品投放結構，以本地肉類產品價格數據為參考，哪類肉價格較低或者價格有所下降，就重點投放哪類燉料，同時根據銷量進行優惠促銷活動，果不其然，銷量猛增。
數據用的好不好，最關鍵的是「用戶意識」，也就是從數據使用者的角度去做分析。一個產品的成功，取決於它在多大程度上滿足了用戶的需求，解決了用戶的問題。
對於我們經銷商來說，最關心的就是到店的流量，客單價，客戶滿意度。流量數據可以讓我們更好的控制流量成本，把錢用在刀刃上。
客戶滿意度可以讓我們知道用戶對我們產品的態度，以便我們提供差異化服務。客單價能讓我們知道客戶一次購買多少，讓我們了解客戶的偏好，制定出符合客戶消費習慣的策略。不是所有的客戶都是上帝，我們要用數據來說話，看看誰是真正的上帝。
比如做生產加工的，對於他們的客戶，主要分析三個數據:
回款周期、交貨周期和利潤率。
1.回款周期:銷售是把東西賣出去，更重要的是要把錢收回來。不同的回款周期影響利潤率，更影響公司的現金流。
2.交貨期:時間緊，任務重的訂單，往往要付出更大的成本，雖然這也是競爭力之一，但是若不計成本的縮短交貨期，實際意義也不大。
3.利潤:做生意是為了賺錢，否則難以維繫。
用這三個指標，把客戶分類，對於上帝要百般呵護，對於其他客戶，有選擇的服務。
基於真實數據，能夠準確定位用戶，根據不同業務進行調整。
1、數據能先於用戶了解其需求，
比如 淘寶用戶購買物品的最熱的價格區間
2、數據還能夠避免"誤會"，避免想當然和假象產生的偏差，
比如 星座和蛋糕盡然在一起? 那就不深究了，反正就是喜歡，那就做一個星座蛋糕吧
3、但數據還是只能籠統的找到方向，，如何搜索數據 分辨數據 並找到關聯性，需要不斷修煉。
比如 對於幼兒舞蹈培訓的我們，
大方向 了解哪些舞蹈考級最熱門，
接著尋找當地考級點的數量和不同舞種當地考級的人數。
進一步分析 當地小區幼兒分布的數據 等等
我以前的公司，主要生產照明燈具和電子元器件，這兩個行業關注的用戶數據是不太一樣的。
照明燈具關注的三個用戶數據是銷售額、利潤率和保修期。前兩項好理解，保修期因保修時間的長短不同，所需投入的成本費用也不一樣，所以直接影響到利潤率。
所以，對於保修期有加長的用戶，要麼增加相關的費用，要麼乾脆就放棄，否則就有可能是賠本的生意。
電子元器件需要關注的三個用戶數據是銷售額、利潤率和產品變更率。
由於是大批量生產，如果產品變更率高，就需要頻繁的換生產線，頻繁的做準備工作，這個過程造成的費用增加和損耗也是很大的，這也是會影響到利潤率。
對於一些小客戶，拒絕這種頻繁變更的訂單比較容易。
但是對於一些大客戶，為了維持關係，又不得不接這種訂單。
從醫生的角度，來分析典型用戶的數據。除了有明確疾病需要治療的病人外，還有很重要的一類病人——不確定自己是否生病的人。
從數據分析著手，探討他們的搜索、統計和行為數據。一旦發現身體有異狀，現代的人會先上網搜索『感冒+症狀』或『忽冷忽熱』，這即是重要的搜索數據，當年Google以搜索的強度，成功預測一地的傳染病爆發時機，可見在未來能在這塊努力。
統計數據，則是目前各國疾病管制局，乃至WHO世界衛生組織都在關心的問題，包括當年的SARS和近年的MERS，都仰賴各地即時通報統計數據，才能掌握傳染病毒擴散的方向，適時投放疫苗，將災害限縮至最小。
回想一下，自己認為「自己生病時」，第一個詢問的是誰？
可能大部分的人都不是問醫療專業人員，而是問久病成良醫的大媽，或是尚未從醫學院畢業的半個郎中。從這些人被詢問的過程，能觀察到一般人到醫院看診前的行為數據。
從用戶行為著手，改善醫療的求助管道，才是提升整體健康的大方向。
今天談的數據分析，實際上就是『只看相關性，不問因果』，尿布片旁的啤酒銷量好，這個案例，還在腦海中吧？
高度相關，就有其商業價值！數據是營銷的重要指南，網際網路時代，消費者已經很難有隱私可言，百度的小熊掌，頭條的用戶習慣，京東的廣告推廣等等，都是大數據抓取的結果，今天的知識告訴我們要認真分析用戶的數據，分析搜索數據，分析統計數據，分析行為數據。
但目前行業確的不是數據抓取的工具，恰恰缺少的是對數字分析能力很強的人，這才是價值輸出的窗口，沃爾瑪當年把啤酒和尿片做搭配陳列，背後是有一個很厲害的數字分析專家，這也是現在很多公司新增了首席數字營銷官的原因。
遊戲行業的產品主要會抓取用戶的一些行為數據，比如每天玩家活躍的峰值時段，比如玩家每天的遊戲停留時間，還有不同遊戲的貢獻占比等，這樣數據是用於我們的運營決策支撐，但是高手和小白對數據的解讀能力是不一樣的，因此掌握數據獲取途徑只是第一步，如何透過數據挖掘本質，產生新的決策才是關鍵！
電商呢，看客單價、成交率跟流量是最重要的指標
但還是會細分子指標，比如流量還要從哪裡來，哪些流量更有效，而不單純是流量多寡，成交率則可以知道消費者在整個消費過程是不是碰到了什麼阻礙 可能是網頁流程設計不佳(改流程)、或是還在猶豫(用消費者好評或折價)，
最後則是客單價，買了很好，但是一次買多少，如果可以看第四個指標，那就會是回購率。
我之前自己做過淘寶，自己最在意的三個數據是日訪問總量、轉化率、點擊率最高的寶貝。
訪問總量讓我知道一天到店的人數多少，是曝光率不行宣傳做得少了嗎，要不要考慮買直通車等等；轉化率我就會自己分析，到店的客戶為啥只是看看不買，是產品定價貴了，還是好評率不夠高，或者寶貝圖片不夠吸引人；點擊率高的寶貝，我會拿出來和平台同類的比較，看看是不是該打折促銷了搞點優惠啥的。
現在的健康管理也在運用大數據平台進行分析 。
比如把健康查體的數據導入系統。然後明確一個地區的人口覆蓋年齡占比和患某種疾病的比率並且分析相關聯的致病因素，從而指導提高健康素養及開展健康干預。
數字的統計在這個數據平台發揮了很大的作用。
在了解這個情況後，為滿足用戶需求，所以一些開發電子設備的醫療專家就嗅到了商機，針對這個大數據統計，開發了方便醫務人員查體錄入統計相關軟體。
數據統計後又反過來繼續影響指導循證醫學，這是一個相輔相成，相互連接不斷的關係。
壽險市場中，最重要的三個分析數據是收入，職業和年齡。
收入，代表了消費能力，人壽保險的需求是是在解決了溫飽問題後，有了收入盈餘之後才會考慮的。
職業，代表了被保險人的風險程度，大貨車司機當然比醫生面臨更多風險，所交保險費更高。
年齡，代表了為客戶提供什麼險種最合適，兒童更需要意外保險，青年人需要分紅產品，中年人需要養老保險。
保險行業數據研究是一門學問，精算學，是行業經營的基礎。
數據即證據，就是從痕跡倒推出行為，然後把一切用戶的秘密都告訴你。
數據分析思維，意味著記錄和分析，得出結論，再指導實戰行動。
現實中具體做了事情之後的經驗如何轉化為一種知識或者原則，從而來指導行動。我想一個重要的尺度就是要進行記錄分析，然後進行提煉，這樣才能得出一個原則。這就需要從留心記錄做起了。
數據分析得出來的結論可能和拍腦袋想出來的結果完全不一樣。