一、互联网金融运营对数据分析技术的要求：
1、敏捷化：政策、市场、业务经常变化，数据分析需求也经常变更，分析报表需要在当天内实现，及时支撑业务决策，而不是花几周的时间开发程序，贻误战机；
2、高性能：交易数据、流量数据、用户数据数量庞大，需要实现秒级响应的分析处理；
3、自服务：有分析需求的业务人员能够亲自进行分析的过程，而不是增加IT人员工作任务，释放数据的价值，人人都是数据分析师。
二、互联网金融运营数据分析体系
●新模式崛起、巨头参与，使P2P行业呈白热化竞争态势，精细化运营成为竞争关键；
●深入洞察用户行为、业务状况，助力长期可持续发展。
（一）全生命周期分析
1.全生命周期：渠道引流--浏览未注册--注册未充值--充值未投标--投标未复投或部分复投（统计用户数量）；
2.分析指标：用户数，充值资金量当前&累计，投标资金量当前&累计，交易笔数累计，当前待收金额，日均利率，时间筛选；
3.业务意义：渠道价值分析--网站体验、产品吸引力、品牌信任度--产品适配度、品牌信任度、充值平台信任度--产品适配度--流失到别家或正常取出；
4.行动改进：优化投入比--改进体验、醒目产品优势、加大品牌宣传力度、醒目信任证明、促销--优化充值流程、充值平台信任证明、增加短标、降低资金门槛、提醒、促销--增加短标、降低资金门槛、提醒、促销--分析竞争对手、提醒、促销。
（二）、渠道主题分析
1.渠道价值分析：渠道多选，时间筛选，看各渠道在全生命周期的表现；
2.渠道ROI分析：渠道多选，渠道费用，渠道费用/注册量，渠道费用/充值量。
（三）、财务主题分析
1.当前规模、规模走势、收入、用户获取成本、促销成本、项目成本、运营成本、利润、利润率、坏账率、借款人集中度、站岗资金数。
（四）、项目主题分析
1.项目属性特征：行业、担保、类型、地域、规模、性质（民营）、金额、周期、利率、平均购满天数、坏账率、平均购买天数低于平均数的项目归类、还款方式、借款人资质、平均单笔借款。
（五） 用户主题分析
1.属性特征：渠道、年龄、收入、性别、地域、职业；
2.行为特征（分属性）：投入金额、投标偏好、关注率（平均回访周期、app启动次数）、中途赎回率、赎回率、流失率、生命周期价值、留存率。
（六） 定制化分析
1.用户推荐分析；
2.……
数邦客