导读：时至今日，越来越多的人讲数据化运营，大家也是很茫然，以为只是看看销售数据就好了，其实不然。

根据数据调研公司Nucleus最新报告，数据预测分析可带来超过1000%的投资回报率(ROI)，在商业智能(BI)上每花1美元就有10美元的回报。但是目前电商企业有数据团队和数据系统的不到整个行业的3%，具备正确的数据管理方式来指导运营的更属极少数。

实际上，数据分析是电商本该最强势的能力，用户的基本信息、购物偏好、浏览轨迹、卖了多少商品等等，电商都看的清清楚楚。但在野蛮扩张的上一阶段，电商沉浸于挥霍资本疯狂砸流量垒高销售额，即便关注数据的，也对数据本身存在极大的曲解和误读。

在新一阶段的精细化运营中，电商企业需重新审视五类数据。

电商转化率素来是个头疼的问题，平均不足1%，但电商对于转化率的关注仅仅停留在营销端。但实际上转化率由通路、供应链、选品、库存、价格、内容、服务（评价）等要素构成，所以要重视营销端流量结构，更要在运营端具备留住用户的能力。

电商企业的转化率有多种计算方式，主要是基于商品、订单两种维度，但多数企业只是单维度考量，但实际上，可能订单趋势是上升，商品销售趋势是下降的。“因为电商企业的数据管理绝大多少通常只到订单层面，如第一天有500个订单量，每个订单有10个商品，共卖出5000件商品。第二天卖了1000个订单，每个订单一件商品，共1000个商品。按电商通常的算法只能统计订单量，因而误认为第二天的转化率高于第一天，但实际从商品数量上恰恰相反。”因此，从数据管理单位上，电商需精细化到最小单位，商品管理，而不是纠结于订单量。

动态浏览是高转化率的前提动览浏览，即用户群体来到网站看了几个商品页。如果销售了100个商品，那么用户至少浏览了超过100个商品页面，动态浏览量不可能小于商品销售量。因此从这个意义上，如何让用户尽可能看到多的商品页，则是提升电商网站整体转化率的关键。增加动览是一个流量调节的过程，让所有商品获得合理的流量分配。如何让更多的商品被展示、被用户看到？目前如亚马逊的“购买该商品的用户还购买了哪些商品？”“看过该商品的用户还看过什么商品？”“猜你喜欢？”等功能是通过个性化的商品推荐实现流量调节的典型范例。

电商普遍存在头部商品不赚钱，中长尾商品卖不动的窘境。1千个SKU，只卖头部的100个SKU，头部商品拉用户、打价格战、不赚钱，占用大量资金和库存，中长尾商品动销深度不足，卖不动，致使电商始终无法盈利。

“动销是一个周期域里有多少商品产生销售。动销比有两种算法，一种是动销与库存商品的比例，第二种动销与前端可售商品的比例；而动销深度指的是商品平均动销深度。动销比和平均动销深度越高，商品动销结构就越合理，带动产品线及库存结构越健康。”

如果电商活跃用户达到10万级别，就应有会员管理。会员数据可以分为两个范畴，首先是用户Profile和人群属性等信息，其次，也是更重要的是通过消费者之间人与人的行为类比，消费者行为偏好与商品特征的匹配，商品与商品的相关性匹配进行会员数据的深度挖掘与分析。

通过对用户行为的深度发掘与分析匹配最符合其消费需求的商品信息，从而影响用户浏览行为，帮助用户做出更好的购买决策，进而影响转化性能，提升电子商务零售网站的整体营销性能。真正有效的会员营销是符合会员需求的关怀而不是盲目的骚扰。

缺断货是电商普遍存在的问题，常常一款产品卖爆了，数日甚至数月都不能补货，导致电商营销、运营性能和服务口碑大幅下降。究其原因，主要是大多数电商采购和补货基本靠人为经验，或者使用传统行业选品和采购方式，没有有效利用供应链数据。

电商巨头亚马逊快速供应链的精髓就是数据化的供应链管理和精准的采购预测，而将流量数据和业务数据打通是确保电子商务采购预测有效性的必然要求和天然优势。

除以上数据的误读外，电商企业还普遍面临两个问题制约精细化和数据化运营能力的发展：

第一，电商高层缺失数据理念。“数据挖掘分三个阶段，第一阶段是报表阶段，第二是数据的挖掘和分析解读，第三是解读和应用阶段。有些公司买了软件，出来的数据看不懂，看懂了不知道应用，这每一个层级都是个巨大的鸿沟。”

第二，电商缺少好的专门针对电商的商业系统，电商企业自己开发成本则太高，也有一些企业选择了购置复杂的国外BI系统，但却不能与自己的实际业务紧密结合，再加上学习成本高，数据人才缺乏，导致无法发挥系统的功效。