用户数据那么多，全都想要怎么办？用户的数据是海量的，全都拿来分析是不切实际的，用户数据分析也不需要这么多的数据，所以需要从数据的不同维度来分类。用户数据分析中需要的数据大致可以分为如下4种：
1、用户基础数据
企业当然想得到超级详细的数据，不过最差的选择也是希望能够得到基础数据，因为一个用户就是销售线索，很可能会成交到订单；
用户的基础数据包括：姓名、电话、邮箱、生日等这些围绕着人这个主要对象的基础属性；
更多的基础数据，要扩展到用户的行为记录，包括内容消耗记录与频次，线下交互活动数据，线上直播参与数据等，这些对于用户分析有很大意义。
基础数据是每一个APP运营都需要清晰了解的数据，比如用户的男女比例、年龄成分、用户活跃情况等。这些数据是运营工作开展的基础，如果你还不了解这些数据，麻烦停下手头的工作，重新做一遍新员工培训吧。
2. 个性化数据
个性化数据则是有针对性的数据，是根据不同的用户场景或者运营需求进行标签化抽取后筛选出来的，拿APP的用户日常活动运营来说：
在前期策划时，用户的群体画像能够引导活动的策划方向，而用户的需求决定了活动的目标；通过了解用户的兴趣，来确定活动的内容及展示方式；通过了解用户行为的一致性，来决定活动推广的时间节点。
在运营中，通过详细的事件统计，自定义埋点，进一步分析用户在活动中的行为，了解整个活动各环节的数据转化情况，再根据数据的反馈进行活动优化以及活动投入的调整。
而在活动结束时，可以通过对用户新增、活跃、留存，甚至卸载情况进行分析，评估整个活动的效果，为下一次活动提供宝贵的数据对比参考。
3、用户企业属性数据
企业属性赋予了人的价值，比如公司，职位，企业邮箱，如果说用户基础数据是必要条件，那么企业数据是数据的价值体现。
4、社交属性数据
包括微信、微博、LinkedIn、脉脉等数据，这部分数据是增值数据，对于用户画像的刻录很有帮助。
在做用户数据分析的时候，用户是量级的，我们不会对一个用户进行深度分析，而是纵向对批量用户进行分析。分析从以下方向进行：
首先，看用户行为激发的数据变化，包含跳出，退出，活跃度，日活，这些数据会对运营有一个监控作用，趋势代表着增长或衰减，异常反应问题。
其次，对用户进行分群，可根据用户属性、触点行为分类、以及利用营销自动化得到的预测性分析结果，进行分群，群发信息，比如：经常购买母婴用品的顾客，需要早教产品的可能性大很多。这些都可以利用用户运营分析得到指导性决策；方舟可以支持用户分群，以及继承多家营销工具，同时可以检测营销反馈效果。
最后，电商类用户运营更要关注用户的购买属性，根据用户购买品分析出用户的年龄、阶层、爱好等，进行精准营销。
因此随着精细化运营变得越来越重要，个性化数据的统计、分析以及应用才是数据运营的核心能力，用户数据分析具体做的好不好将成为运营成功的关键所在。
