仅仅知道如何看数据是不够的。你要熟悉得到数据后如何使用，如何让数据显示出自己的威力。最后，有几个部分。
以第一个部分，是看历史数据，发现规律。的社区活动和电子商务推广为例。这些都是常见的活动。如果活动做得好，会有意想不到的效果。做这样的活动，最好能拿到前一两个月的历史数据。对于电商来说，需要分析每个品类的销售情况，哪个品类的销量最大，哪个品类的销量最小。平均每月或每周的增长率是多少，相应的增长率是多少？通过原始数据对上述指标进行分析后，我们可以看到哪些类别是优势类别，哪些可以有大的量而不提升，哪些是弱势类别等。这样我们就可以决定拿出哪个品类进行推广。内容社区也是如此。我们要看内容分类和内容类型两个维度，找到类型少的单一分类。这些分类下的内容的数量和质量需要提高。
在我们的工作中，第二部分，是从历史数据和现有数据中，发现端倪，找出问题所在。每天都接触到大量的数据，但大多数都是表面的。比如社区非常注重注册用户总数、日注册用户数、日新增用户数。这些数据不能说不可读，但也要看到最重要的数据点：每天有多少老用户登录，每天发布的内容有多少可以称得上是优质精品内容。这两个数据决定了这个社区的质量。对于内容社区来说，如果初期不注重质量建设，等用户达到50W、100W后再看质量，就有点晚了。另一个是市场部会用很多。在营销过程中，我们会投放大量的广告和链接。我们需要每天监控这些链接的数据量。在数据波动较大的情况下，我们应该做的是看看链接放置的媒体有没有问题，对方的活动是否突然吸引了大量的人，也看看我们的登陆页面，是否吸引了用户点击等等。数据是我们的助手，帮助我们发现问题，同时找到问题的根源。这个能力很重要，做数据相关工作的人应该能掌握。
以第三部分，数据预测。通过分析数据，发现其中的规律，那么则可实现数据驱动运营，驱动产品，驱动市场。,为例，对于电商来说，知道一年中每个月每个品类的增长率，知道每个月之间的影响，就可以根据这个量来预测下个月的交易量的增长，我们能达到什么水平。同时，大型活动结束后，不要马上看数据，要看活动结束后一个月的数据，看看有多少用户因为活动的奖品来了，活动结束后离开了。为什么选择一个月，因为一个月内的流失率一目了然。
在我看来，第四部分，学会拆解数据。.这个拆解的数据有两个维度一是如何把年度数据指标拆分成每个季度或者每个月，多少有点业绩驱动。另一个是每天都有很多产品的运营数据、促销数据或者销售数据，所以需要把这些数据进行拆分，知道每一个数据都是从哪里来的，增加或者减少的趋势是什么。
近年来，数据分析在互联网领域备受关注。无论是社区产品、工具产品还是电子商务，数据越来越被视为核心资产。事实上，数据分析得越深入，操作就越精细，而且在许多情况下，工作的重点是可以依赖的。但要注意两个方面：
同时，1，不能唯数据论，数据有时候能够反馈一些问题，但是也要注意到在有些时候数据并不能说明所有问题，也需要综合各方面的情况整体来看。要有数据分析的思维，不仅仅是互联网行业，几乎所有行业每天都会产生大量的数据。所以最重要的是要有数据爱好者的这种思维，知道如何通过数据分析找出规律和问题，对未来做出预测和拆解。
2、找到适合自己产品的数据指标来。不同的产品有不同的用户习惯，所以要找到适合你产品的指标参数，而不是跟风，而不是简单的PV和UV。例如，对于基于内容的产品，每日PV和UV是非常重要的指标。对于基于社区的网站，需要关注日常登录数据和有效用户。对于电商网站来说，订单数量和客户单价是核心，但同事的转化率和复购率在这里需要同等重视。在移动互联网上，这样的数据参数更加多样化，最重要的是我们要学会通过自己的用户行为特征，找出定义产品健康的标准，这样才能更好地观察我们产品的质量。
通过：中国统计网。