数据分析，是通过对用户行为量化的分析，挖掘出用户自己都意识不到的真正需求。
曾经，兄弟企业准备对一个乡镇投放产品，之前做过用户调查，这里的人们喜欢吃羊肉，于是以羊肉炖料为主打，和另外一款鸭肉炖料一起投放。
结果大吃一惊。通过一个月的数据显示，发现鸭肉炖料反而是羊肉炖料销量的三倍。
这是什么原因？不是喜欢吃羊肉吗？是产品口味不适合当地人吗？
后来，通过跟本地一个超市老板聊天，无意间老板说起这里同类产品，有价格优势的，销量会一直居高不下。本来这个数据看似是对我们无用的，因为我们的产品当时品类不同，价格是相同的。
后来，突然意识到，鸭肉比羊肉便宜！这才是重点！真的是这个原因？
接着，调整产品投放结构，以本地肉类产品价格数据为参考，哪类肉价格较低或者价格有所下降，就重点投放哪类炖料，同时根据销量进行优惠促销活动，果不其然，销量猛增。
数据用的好不好，最关键的是“用户意识”，也就是从数据使用者的角度去做分析。一个产品的成功，取决于它在多大程度上满足了用户的需求，解决了用户的问题。
对于我们经销商来说，最关心的就是到店的流量，客单价，客户满意度。流量数据可以让我们更好的控制流量成本，把钱用在刀刃上。
客户满意度可以让我们知道用户对我们产品的态度，以便我们提供差异化服务。客单价能让我们知道客户一次购买多少，让我们了解客户的偏好，制定出符合客户消费习惯的策略。不是所有的客户都是上帝，我们要用数据来说话，看看谁是真正的上帝。
比如做生产加工的，对于他们的客户，主要分析三个数据:
回款周期、交货周期和利润率。
1.回款周期:销售是把东西卖出去，更重要的是要把钱收回来。不同的回款周期影响利润率，更影响公司的现金流。
2.交货期:时间紧，任务重的订单，往往要付出更大的成本，虽然这也是竞争力之一，但是若不计成本的缩短交货期，实际意义也不大。
3.利润:做生意是为了赚钱，否则难以维系。
用这三个指标，把客户分类，对于上帝要百般呵护，对于其他客户，有选择的服务。
基于真实数据，能够准确定位用户，根据不同业务进行调整。
1、数据能先于用户了解其需求，
比如 淘宝用户购买物品的最热的价格区间
2、数据还能够避免"误会"，避免想当然和假象产生的偏差，
比如 星座和蛋糕尽然在一起? 那就不深究了，反正就是喜欢，那就做一个星座蛋糕吧
3、但数据还是只能笼统的找到方向，，如何搜索数据 分辨数据 并找到关联性，需要不断修炼。
比如 对于幼儿舞蹈培训的我们，
大方向 了解哪些舞蹈考级最热门，
接着寻找当地考级点的数量和不同舞种当地考级的人数。
进一步分析 当地小区幼儿分布的数据 等等
我以前的公司，主要生产照明灯具和电子元器件，这两个行业关注的用户数据是不太一样的。
照明灯具关注的三个用户数据是销售额、利润率和保修期。前两项好理解，保修期因保修时间的长短不同，所需投入的成本费用也不一样，所以直接影响到利润率。
所以，对于保修期有加长的用户，要么增加相关的费用，要么干脆就放弃，否则就有可能是赔本的生意。
电子元器件需要关注的三个用户数据是销售额、利润率和产品变更率。
由于是大批量生产，如果产品变更率高，就需要频繁的换生产线，频繁的做准备工作，这个过程造成的费用增加和损耗也是很大的，这也是会影响到利润率。
对于一些小客户，拒绝这种频繁变更的订单比较容易。
但是对于一些大客户，为了维持关系，又不得不接这种订单。
从医生的角度，来分析典型用户的数据。除了有明确疾病需要治疗的病人外，还有很重要的一类病人——不确定自己是否生病的人。
从数据分析着手，探讨他们的搜索、统计和行为数据。一旦发现身体有异状，现代的人会先上网搜索‘感冒+症状’或‘忽冷忽热’，这即是重要的搜索数据，当年Google以搜索的强度，成功预测一地的传染病爆发时机，可见在未来能在这块努力。
统计数据，则是目前各国疾病管制局，乃至WHO世界卫生组织都在关心的问题，包括当年的SARS和近年的MERS，都仰赖各地即时通报统计数据，才能掌握传染病毒扩散的方向，适时投放疫苗，将灾害限缩至最小。
回想一下，自己认为“自己生病时”，第一个询问的是谁？
可能大部分的人都不是问医疗专业人员，而是问久病成良医的大妈，或是尚未从医学院毕业的半个郎中。从这些人被询问的过程，能观察到一般人到医院看诊前的行为数据。
从用户行为着手，改善医疗的求助管道，才是提升整体健康的大方向。
今天谈的数据分析，实际上就是‘只看相关性，不问因果’，尿布片旁的啤酒销量好，这个案例，还在脑海中吧？
高度相关，就有其商业价值！数据是营销的重要指南，互联网时代，消费者已经很难有隐私可言，百度的小熊掌，头条的用户习惯，京东的广告推广等等，都是大数据抓取的结果，今天的知识告诉我们要认真分析用户的数据，分析搜索数据，分析统计数据，分析行为数据。
但目前行业确的不是数据抓取的工具，恰恰缺少的是对数字分析能力很强的人，这才是价值输出的窗口，沃尔玛当年把啤酒和尿片做搭配陈列，背后是有一个很厉害的数字分析专家，这也是现在很多公司新增了首席数字营销官的原因。
游戏行业的产品主要会抓取用户的一些行为数据，比如每天玩家活跃的峰值时段，比如玩家每天的游戏停留时间，还有不同游戏的贡献占比等，这样数据是用于我们的运营决策支撑，但是高手和小白对数据的解读能力是不一样的，因此掌握数据获取途径只是第一步，如何透过数据挖掘本质，产生新的决策才是关键！
电商呢，看客单价、成交率跟流量是最重要的指标
但还是会细分子指标，比如流量还要从哪里来，哪些流量更有效，而不单纯是流量多寡，成交率则可以知道消费者在整个消费过程是不是碰到了什么阻碍 可能是网页流程设计不佳(改流程)、或是还在犹豫(用消费者好评或折价)，
最后则是客单价，买了很好，但是一次买多少，如果可以看第四个指标，那就会是回购率。
我之前自己做过淘宝，自己最在意的三个数据是日访问总量、转化率、点击率最高的宝贝。
访问总量让我知道一天到店的人数多少，是曝光率不行宣传做得少了吗，要不要考虑买直通车等等；转化率我就会自己分析，到店的客户为啥只是看看不买，是产品定价贵了，还是好评率不够高，或者宝贝图片不够吸引人；点击率高的宝贝，我会拿出来和平台同类的比较，看看是不是该打折促销了搞点优惠啥的。
现在的健康管理也在运用大数据平台进行分析 。
比如把健康查体的数据导入系统。然后明确一个地区的人口覆盖年龄占比和患某种疾病的比率并且分析相关联的致病因素，从而指导提高健康素养及开展健康干预。
数字的统计在这个数据平台发挥了很大的作用。
在了解这个情况后，为满足用户需求，所以一些开发电子设备的医疗专家就嗅到了商机，针对这个大数据统计，开发了方便医务人员查体录入统计相关软件。
数据统计后又反过来继续影响指导循证医学，这是一个相辅相成，相互连接不断的关系。
寿险市场中，最重要的三个分析数据是收入，职业和年龄。
收入，代表了消费能力，人寿保险的需求是是在解决了温饱问题后，有了收入盈余之后才会考虑的。
职业，代表了被保险人的风险程度，大货车司机当然比医生面临更多风险，所交保险费更高。
年龄，代表了为客户提供什么险种最合适，儿童更需要意外保险，青年人需要分红产品，中年人需要养老保险。
保险行业数据研究是一门学问，精算学，是行业经营的基础。
数据即证据，就是从痕迹倒推出行为，然后把一切用户的秘密都告诉你。
数据分析思维，意味着记录和分析，得出结论，再指导实战行动。
现实中具体做了事情之后的经验如何转化为一种知识或者原则，从而来指导行动。我想一个重要的尺度就是要进行记录分析，然后进行提炼，这样才能得出一个原则。这就需要从留心记录做起了。
数据分析得出来的结论可能和拍脑袋想出来的结果完全不一样。