⑴ 网站数据分析,主要分析哪些数据
网站数据分析有很多方面，但是要看你能够获取的是哪些数据，具体如下：
1、流量统计是基础的数据统计
网站的统计工具可以让我们了解基本流量信息，包括独立访问者、访问停留时间、页面停留时间、访问率等;实时了解网站的变化趋势，了解有效覆盖人群的规模，了解推广的目标人群，在哪个页面，哪个频道。
1.了解网站的目标人群特征，为产品设计提供重要依据
2.了解网站关注行业用户量的潜在规模
3.与行业平均指标做对比，作为评估自身网站发展的指标
4.分析网站与竞争对手之间的用户重合度
5.分析自身网站内部各栏目间的用户重合度
根据网站的大致需求，相关网站“数据统计”的基本分析应具有：
A.访问人次，即网站的访问人次，通常以日访问人次统计，此指标不排除同一访客同一天访问多次。
B.访问总页面数，即访问者在站点上浏览的总页面数，通常以日统计。
C.独立访客，也称独立IP，指访问站点的独立访客，通常以日访问人次统计，每台独立上网电脑被视为一个独立访问者。同一电脑多人使用时，不重复计算，仍视作一个独立访问者。
D.人均停留时间，即访问者在网站停留的时间
计算公式：人均停留时间=访问人次停留时间/访问人次。指“独立访问者”平均每次访问某一网站的停留时间。也就是说一个周期内，从开始访问这个网站到结束访问这个网站所停留的时间。
E.人均访问页数(PV值)，即访问者平均访问页面数，
计算公式：PV值=访问总页面数/访问人次。这项指标同样重要，访问者平均访问页数越多，越能实现网站的目的指向。
F.跳出率，即访问者到达站点后浏览页数仅有的一页的比率。
G.新访客，即访问站点的访问者是否第一次登录站点，该指标从一侧面反应平台的人气程度和知名度，通常以日为单位进行统计。每日新访客人数越多，说明人气越高，影响度也越来越高。
H.回访者，即访问站点的访问者超过一次以上登录站点，该指标从一侧面反应访问者对站点的接受程度，通常以日为单位进行统计，回访人数越多，说明站点被接受的程度越高，而通常，网站的潜在客户行为，就是在回访者中实现，如注册、购物、消费等。
I.每个独立访问者访问频次：一个周期内独立访问者的平均访问次数。
2、关键字数据收集
包括两方面：
客户通过哪些关键字到达网站
客户在网站搜索哪些关键字---精确地跟踪有哪些关键字产生了销售额或销售机会
3、网站专题及营销方式的效果统计
精确地跟踪有哪些专题产生了销售额或销售机会，跟踪由专题转换为销售的点击次数
帮助我们评估网站页面格局的合理性
跟踪销售额和销售机会
⑵ 数据分析包括哪些方面
1. Analytic Visualizations(可视化分析)不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。
2. Data Mining Algorithms(数据挖掘算法)可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。
3. Predictive Analytic Capabilities(预测性分析能力)数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。
4. Semantic Engines(语义引擎)我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。
5. Data Quality and Master Data Management(数据质量和数据管理)数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。
⑶ 数据分析的基本方面有哪些
1、可视化分析
大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。
2、数据挖掘算法
大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法(可以称之为真理)才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。
3、预测性分析能力
大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。
4、语义引擎
大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。
5、数据质量和数据管理
大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。
⑷ 分析信息的方法一般包括哪些内容
一 信息管理科学基础
要求学生掌握信息的概念、信息的类型及其特征，信息科学的基本内容、信息科学的核心方法、信息管理学的概念及其研究范围；熟悉信息的功能，信息与管理的关系；了解信息的度量，管理的基础理论，信息管理的发展，信息管理学的产生和进化。
1．信息简论；
2．信息管理的信息科学基础；
3．信息管理的管理科学基础；
4．走向信息管理科学。
二 信息管理的技术基础
要求学生掌握信息技术的概念、作用和发展规律；了解计算机的发展、计算机应用技术，有线通信，无线通信，电信网，计算机网，国际互联网。
1．信息技术概论；
2．信息处理技术；
3．通信技术。
三 信息行为理论
要求学生掌握信息需要的层次结构、内容结构；熟悉各类用户信息需要特点，信息动机的形成与转化，信息的选择行为和利用行为；了解信息需要的产生，信息查询行为。
1．信息需要与信息动机；
2．用户的信息行为。
四 信息交流论
要求学生掌握信息交流过程的基本要素，初始编码，申农—韦弗模式；熟悉信息符号的特征，拉斯韦尔模式、施拉姆模式、米哈依洛夫模式、兰开斯特模式、维克利模式，人际信息流、组织信息流；了解二次编码，大众信息流。
1．信息的表达—符号与编码；
2．信息交流模式；
3．社会信息流。
五 信息产品的开发
要求学生掌握信息采集的原则、途径、方法，信息整序的方法，内容分析法；熟悉信息源，信息分析的工作程序；了解信息整序的目的与要求，信息分析的方法。
1．信息采集；
2．信息整序；
3．信息分析。
六 信息产品的流通
要求学生掌握信息服务的原则，信息服务的主要类型，信息市场的结构与运行机制，信息市场的营销；了解信息市场的形成与发展。
1．信息服务；
2．信息市场。
七 信息系统管理
要求学生掌握系统的概念，信息系统的结构，CIO在组织中的地位和职能、素质要求；熟悉信息系统的运行管理制度，；了解系统工程的产生和发展、方法，信息系统的开发方法，信息系统的评价方法、安全管理，现代信息管理系统的发展。