還是那句：有乾貨。該問題原本就在我寫作規劃中。這裡簡單說一下：

首先，任何資料分析都必須有明確的目的。分析這些資料你是為了營銷，還是為了做產品調研、還是地域分析等等。這樣可以倒推出需要從這些資料裡得出什麼（結論，或二次加工後的新資料）。

舉例，順著題主說的小型電商手頭只有普通訂單資料的例子來說：

二樓君曾服務於一家零食類天貓旗艦店（行業TOP10），每到新品上架或大促前都需要群發簡訊來把相關活動推薦給老客。如何在只有訂單資料情況下做一些簡單分析達到更好的簡訊點選閱讀率，店鋪達到率呢？（注：淘寶天貓訂單資訊一般只包含顧客姓名或稱謂、手機、收件地址）

典型的做法有按地域劃分、一二線城市劃分等。同時根據店鋪特點我們認為男女顧客的零食訴求，促銷興奮點是不同的，因此希望簡訊能區分男女來發送。問題就變成：如何從收件人、手機、地址裡分析出性別？顯然只有對收件人姓名或稱謂進行分析處理了。

1.具體思路就是除姓氏外，剩下名字裡包含常見女姓名常用字即判斷為女性（以及稱謂裡有明確某小姐、某女士的），有個8-9成正確率就夠了。

最後補充，其實思路還可以很多，隨便再舉幾個：

· 例如你是家裝傢俱行業，需要安裝之類服務的，可以針對某個一線城市進行直營的上門服務等，這時你可以把該城市的訂單地址做一個精確到小區的分析統計，然後針對集中的小區區域去開展這種上門體驗服務。

· 還一個，手機號判斷出手機歸屬地，然後跟收件地址比對，不一樣的是不是離家打工的？異地的？不在一個城市的等等，容易找到情感共鳴點。相信你的簡訊會更加打動人心。達到更好的營銷目的。

先了解你老闆想用大資料的意圖，支援運營是主要大方向。細化場景應用如下：

場景一、想要推出新品、希望瞭解目前市場的爆款商品資訊

可以透過透過查詢觀測細分市場最新爆款產品的銷售、均價趨勢、核心技術、產品規格、使用者評價等維度挖掘產品共性，發現產品短板、再根據自身產品受眾，最佳化新品規格細節，滿足使用者新需求，增強新品競爭力。

場景二、企業想要提升自身品牌的市場競爭力。

透過查詢觀測競品市佔份額的變化、哪些玩家吃掉了我的市場份額、競品做了哪些促銷策略、投放哪些渠道等維度，幫助企業解析銷售落後的原因、實時監測競品市場動作、及時採取應對策略。

也都需要應用大資料探勘處理的技術：分散式爬蟲、自然語言處理、搜尋引擎等。 如果沒有自己資料團隊，也可以藉助一些大資料分析的SAAS系統。例如慢慢買大資料、魔鏡......都有試用版，可以申請用一下

如果有BI系統做資料分析是最好不過了，不過對於小型電商，如果資料量不大，基本的資料透視表也是可以的。

我個人覺得對於客戶關係管理的分析，RFM模式的應該還是相對比較廣泛的。在RMB模式中，R(Recency)表示客戶最近一次購買的時間有多遠，F(Frequency)表示客戶在最近一段時間內購買的次數，M (Monetary)表示客戶在最近一段時間內購買的金額。要利用好RFM分析就必須先做好以下幾件事情：

1、整合資料，小型電商企業一般會有對接很多平臺，而且各個平臺的資料基本都很分散，沒有統一的管理。所以要做資料分析的第一步，就必須要把各個平臺的資料整合到一起；

2、建立會員金字塔，將會員按照高階、中級、低階會員進行區分，然後針對不同層級的會員實施不同的營銷策略，定期推送不同的營銷內容；

3、對於流失的或者會休眠的客戶，要利用有效的營銷活動啟用會員；

4、對於企業的忠誠的客戶，要適當的給與獎勵，維繫老客戶關係，提升客戶忠誠度；

除了對客戶需要進行資料分析外，電商企業也需要定期對商派銷售進行分析，比如針對不同商品的銷量、庫存分析、商品評價等。做資料分析可以從時間維度或者從不同商品的類別、價格等多個維度來做分析。

當然，除了這兩方面，訂單資料、使用者行為等也是非常有價值的資料。

以上純屬個人觀點。

看你要分析哪些資料，又想得到怎樣的運營效果。比如說你要提升網店的流量，提升轉化率，那麼你就要去分析從使用者點選網頁到最終下單購買，甚至簽收（不退換貨）每個環節的有效轉化率；你要分析使用者從不同終端進來的資料，分析不同平臺廣告投放的效果等。如果要看實際的電商大資料視覺化分析，也可以去奧威軟體的BI報表體驗中心看看，那裡有用虛擬資料製作的電商大資料視覺化分析報表。或者你可以去了解下奧威軟體的BI電商解決方案。