获取数据

获取数据的渠道有很多，这里推荐两个：Google Analytics 以及百度统计，更多的工具自行去了解哈。使用分析工具我们可以得到以下内容：

记录那些点击信息，包括没有与网站产生交互的信息

可直接生成链接的百分比，点击分布图和热力图

可统计用户的悬停，将用户潜在行为可视化

获取数据的方式其实多种多样，关键在于，作为运营人员要了解什么样的数据是重要的，对于这些数据的前后关联，是怎样的，这是一个联动的过程，不是一个单一的行为。

分析数据

对于数据的解读，每个人都有不同的方式。这里我们摘取书中的几个总结：

1）首先确定数据的准确性

这里包含了选择数据维度的合理性、数据统计的准确性。如果数据维度选择不合理、数据统计结果不精确，我们可能是无法得出正确的分析结果的。这是基础。

2）明确影响数据的因素

一个数据，会受到多种因素的影响，这些因素有内部的，有外部的，运营人员应当尽可能多的了解所有层面的影响因素，以利于我们对于数据的解读是在一个相对正确的范围内。

3）重视长期的数据监测

在运营数据分析中，经常会使用环比和同比方式来对比数据。简单的说，环比是本日与前一日的对比、本月与上月的对比、本季度与上季度的对比；同比是今年当日与去年当日的对比、今年当月与去年当月的对比、今年当季度与去年当季度的对比。环比帮我们看短期的数据波动，而同比帮我们了解大环境下的数据波动。

4）保持客观的视角

数据分析的过程中，客观非常重要，切忌挑选有利于自身的结论。我们通常会犯先入为主的错误，这不仅会影响数据的准确性，还是职业道德的问题，也是职业发展中非常常见的问题。

5）注意剔除干扰项

实际的工作中，我们会碰到很多问题，这些问题就是干扰项。例如，在一个相对平稳的曲线中，突然出现了一个点上的强烈波动，这时候我们需要全面的了解个波动产生的原因，如果无法确认原因，就剔除这个波动，否则我们很难去获得一个正确的结论。

数据分析职业方向有哪些

我们这里只说国内哈，在国内，与大数据相关的岗位主要分为以下几类：

数据分析师：

运用工具，提取、分析、呈现数据，实现数据的商业意义，需要业务理解和工具应用能力。

数据挖掘师/算法工程师：

数据建模、机器学习和算法实现，需要业务理解、熟悉算法和精通计算机编程。

大数据工程师：

运用编程语言实现数据平台和数据管道开发，需要计算机编程能力。

数据架构师：

高级算法设计与优化；数据相关系统设计与优化，有垂直行业经验最佳，需要平台级开发和架构设计能力。