企业的数据分析是个很复杂的工程，需要业务和分析技术两块知识。

　　首先，企业的分析主要分为管理分析和经营业务分析，分析整体的思路是：明确业务场景——确定分析目标——构建分析体系——梳理核心指标。

　　因为每个企业/行业的业务不同，分析体系也不同，这里主要说一下零售电商，按照不同的分析场景来探讨下。

　　以电商为例，常用的业务分析场景有销售、商品、渠道、竞品、会员等等，而商品可进一步细分为商品的库存、商品的利润以及关联销售分析。在整个业务分析体系中，电商行业遵循“人货场”的思维逻辑，其指标可这样划分：

　　1、销售类分析

　　销售分析主要是为了追踪销售情况，与KPI对比，调整销售策略，进一步提升销售额。

　　分析思路：基本上任何一个问题都可以套用“人货场的模型来分析”。比如分析客单价下降的原因，从人货场角度切入的话，可建立如下的分析模型：

　　分析方法：数据分析可通过数据对比、极值、预测的方式来分析

　　对比：比如事业部销售额排行榜、销售额贡献度、城市排行榜等等

　　极值：比如月销售额最高纪录，激励销售人员或事业部突破记录

　　预测：根据权重曲线预测未来的销售额

　　2、商品分析

　　商品分析是基于商品的一个流程管理——进销存。比如商品库存太大，占用资金，则采购进货不合理；商品陈列不合理，造成发货不及时，销售滞后。

　　商品分析体系——“进销存”思路，常用的指标如商品的折扣率、动销率、周转率等。

　　3、会员数据分析

　　会员数据分析一方面是可以指导销售营运，另一方面是提高营销的精准度，增加用户的粘性，减少流失。

　　会员分析管理体系：

　　4、其他管理分析

　　人力资源管理中的数据分析一般包括两个方面，一方面是人员结构分析，另一方面是人力效能的分析。在人效分析过程中最关注两个指标，人均产出和人员费用产出率。人员结构分析包括不同职能部门的人力结构、不同层级的人才结构、不同工作年限的人才结构等等。分析人力结构是防止人才的断层，在招聘上做好预案，优化薪酬分布。

　　数据分析领域的财务主要是管理财务，管理财务需要细化到每个子公司、每个业务、每个产品、每个业务部门、每个客户，以他们为主题的分析有：现金流分析、盈利能力分析、财务预算分析等。