我们以Wish后台的数据为例。
“业绩”菜单下面，是Wish运营中最常用到的数据分析板块。
点击“业绩”菜单，我们可以看到以下内容。
其中产品概述、销售业绩、用户服务表现、销售图表这几项对于产品和销售端比较重要，评分表现、物流表现、退款表现、用户反馈、仿品率表现这几项对于运营是很重要的数据指标，用户服务图表则便于数据的对比。
除“业绩”菜单外，在“产品”菜单中也有我们需要挖掘的数据。
从直观的后台数据来看，以下三种数据对掌握产品信息和上架信息会有所帮助。
我们可以看到自己店铺当前产品的SKU、最近更新时间，以及上传时间的相关数据，它们是三种很直观的数据，其中最近更新时间和上传时间可以按照时间进行排序。同时，我们也不能忽略另外两个有用的信息：Wishes数和销售数。产品销售数量也可以按照销量高低顺序进行排序。
然后我们就看到了单个产品的数据表现情况。
上面总结了后台数据的展示方式，接下来需要了解的是，我们可以用哪些思维来开展数据整理和分析。
1.对照思维
这个维度通常用于对比单品或者单店铺在单位时间中的销售情况，通常采用对比的形式，展示出的形式是柱状图。
这种柱状图在 Excel中很容易生成。一般对于后端运营中比较规范，且用系统进行管理的商户、所使用的ERP通常都有统计功能，可以对订单数量或者订单金额进行统计。
销量和销售额的统计，体现了在数据处理中很重要的也是最基本的一个思路，就是对照的思路，俗称对比，单独一个数据是绝对化的数字，不能代表什么，而和另一个数据做对比，才能体现出它的价值。
2.分拆思维
我们举一个例子，比如一个销售员A，通过对照的方式发现店铺这一周的销售额不如上一周，这时只对比销售额就没有多大意义了，而需要对销售额这个数据进行进一步拆分。这里可以利用电子商务中常见的一些公式。
通过进一步的分析可以找出导致销售额下降的原因，还可以更进一步细分转化率、流量等数据，找出更深层的原因，直到找出解决方案。
3. 降维思维
当数据的维度太多的时候，我们不可能把每个维度都拿来分析，对于一些相关联的数据指标，筛选出其中能够合并的维度即可。
在汇总数据维度时，众多的数据并不是每一个都值得分析，当存在“成交总额=产品单价×订单”这种一个维度可以由其他维度计算出来的情况时，我们就可以降维。通常我们只关心对我们有用的数据，当某些维度的数据跟我们的分析无关时，就可以将其过滤掉，达到降维的目的。
4.增维思维
增维和降维是相对应的，有降必有增。当我们当前的数据维度不能很清晰很全面地解释我们的问题时，我们就需要对数据做一些运算，使其多增加一个指标。当我们在分析某个单品的数据时，如果单纯从浏览量、销量、退款比率、平均评级数据等不能分析出产品销售额增减的原因的话，就需要增加产品的客单价、转化率等数据维度来协助分析。
