网站分析师
如果你想成为网站分析师!想加入网站分析这个即有前途又有“钱途”的行业，那么你至少需要具备本文所提到的9大本领。
1.玩转excel
Excel是一个最原始而且最容易入手的分析工具之一，如果你有少量的数据进行分析和汇总的话，Excel是你的不二之选，结合丰富的函数与公式，你能轻松的得到你想要的数据，如果你懂得计算机语言，会使用VBA进行编程那就更是如虎添翼了，并且还可以轻松的制作棒图，饼图，折线图等图表。但是Excel不可能是完美的分析工具，因为他的数据容量实在是太小了，超过1万行的数据请不要使用Excel。
1.1.常用函数：
1.2.常用功能：
2.网站分析基础知识
了解一些网站分析的基础知识是必须的，你要知道什么是会话，什么是PV，什么是UU/UV等指标值的含义。如下图(摘自《网站分析基础教程第二章》)所示：
3.网站开发的知识
网站分析师通过衡量各种指标值的优劣来评价网站的状况，以及提出改善优化的对策，如果分析师自己对网站的开发和构筑知识一点都不了解，也就不能准确的通过分析指标值的高低衡量网站的运营状况。
作为一名合格的网站分析师，你需要了解一些网站建设和运营的知识，还有网站设计的知识，以及用户体验相关的知识。这样的话你才能提出更有高度和深度的分析报告。
网站分析师的工作范围从宏观上可以分为“站内”和“站外”两大领域。站内重点在于改善用户体验，优化转化路径，SEO，分析用户行为等站内活动;站外的工作重点则在于如何更多更准确更优质的吸引用户进入网站。
所谓站外的工作主要就是指网络营销，网络营销按照具体的实现方式可以分为：展示广告(displayAdvertising)、PPC推广、SEO、邮件营销、视频推广、qq群推广、博客营销、微博营销、sns营销等。如果想成为网站分析师你需要学习如下知识：
4.1.广告类型
搜索引擎广告(PPC)
横幅广告
邮件营销
传统媒体广告
4.2.广告相关指标
展现数(Impressions)
点击数
点击率(Click-throughRate)
CPC(CostPerClick)
CPA(CostPerAcquisition)
转化率(ConversionRate)
ROAS(ReturnOnAdvertisingSpend)
4.3.SEO知识
title,META,Hn,h1等优化
5.测试方法
当网站分析指标的数值变得不是非常乐观的时候，或者你想做一次大规模的推广的时候，也可能是你需要对网站进行改版的时候，作为分析师需要预知改善后的效果是否能够达到预期，这一点是光凭经验很难做到的事情，那么就需要网站分析师聪明的利用师验方法进行验证，这是最直接而且准确有效的方法。
做网站分析师需要学会使用如：A/B测试，多变量测试，用户体验测试等测试方法对改善方案进行预评估，以减少新方案的实施风险。
6.交流能力
作为一名网站分析师，你需要和很多的人协同完成工作任务，其中包括项目经理，产品经理，运营经理，实施经理以及工具提供商等。高效率，准确的交流显得尤为重要。
对于交流来说，语言的表达能力作为最基本的能力要素不可或缺，但想要能顺畅的交流仅仅依靠语言是远远不够的，还需要有一定的资料的组织能力和总结能力，以及团队合作意识。
7.演讲的能力
当以网站分析师为主导进行一次网站的改版或升级的时候，通常的做法是用数字和图表来说服决策层和保守派，但事实上并不那么简单，说服更多人除了靠准确的分析数据以外，还需要网站分析师非常具有煽动性的演讲，以及面对质疑从容不迫的回应。网站分析师需要把自己的自信通过演讲的形式传播给参加会议的所有在场的人。
8.会做PPT
演讲和演示的时候，必备的利器!当然如果你能够做出很炫的动画效果将能感染更多的。
9.计划管理能力
如果你在一家小公司担任网站分析师职务的话，计划管理可能显得不那么重要，但如果你是一家大公司的网站运营经理，或者带领一个几十人的分析师团队的话，计划的管理能力将显得尤为重要。为了更好的和项目经理以及公司管理层的交流你需要具备这项技能，甚至有必要学习一些项目管理的相关知识，比如PMP认证等。
相关阅读
数据库 “数据库”是以一定方式储存在一起、能够多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。 【基本
C/S体系结构：Client/Server 客户机/服务器结构B/S体系结构：Browser/Server 浏览器/服务器结构URL:Universal Resource Locator 统一
一、基本概念 1.二叉排序树 二叉排序树（Binary sort tree，BST），又称为二叉查找树，或者是一棵空树；或者是具有下列性质的二叉树： (1)若
seo优化其中的一项就是做写原创文章，有利于提高搜索引擎抓取，增加网站权重。软文撰写也是很有讲究的，是seo工作的一个重要的组成部分
操作型数据（如：某超市昨天卖了一箱啤酒，收银员实际收到100，找零20元）。 特点：细节化，分散化。 决策型数据（如：该超市上个月一共卖了多少瓶