从数据化管理的角度来看，市场营销通常是一个比较难量化的手段。但营销作为一个连接用户和优化市场定位的有效方式，需要通过数据分析去调整，帮助制定正确的营销战略。
营销的数据分析流程主要是：根据分析主题建立数据库，收集数据，收集到的数据处理之后做分析与呈现。
在操作之前需要思考分析什么内容，如何分析。
问题1：分析什么内容？
营销分析的内容太宽泛，通常会分为以下几个主题:
问题2：以什么指标衡量？
一张图表很难描述所有的数据信息。比如你需要分析客户满意度，要思考哪些指标能描述客户的满意度。所以营销主题的分析通常会涉及到这样几个重要的指标。
宏观市场指标:市场占有率/相对市场占有率（销售网络、客户和销售区域、产品组合）；市场增长率（同比、环比、行业对比）
公司经营状况指标:收入\毛利\净利润；利润率（销售利润率、成本利润率、产值利润率）；成本（销货成本、促销成本）
零售营销评估指标:周转率=年销售额\平均每月库存量；库存投资毛利回报率=毛利\平均存货成本；每平方销售额；每员工利润；平均交易额=销售总额\交易次数；零售商利润率=（销售价格-批发价格)\销售价格
这两个问题明确后，就要开始处理数据数，这过程中又要考虑采集哪些数据，数据从哪里来，用什么工具处理，数据如何展现。
如何确定采集内容？
有一定信息化基础的企业可以从内部的业务系统调出数据，比如CRM、ERP、CRR，以及市场调研得来的数据，这些都是一手数据。除去一手数据，还有很多关于市场环境的数据可以从行业协会、政府统计机构甚至第三方收费数据获取。
市场分析
营销组合与资源配置
如何处理和展示数据？
数据的展示无外乎报表和图表。
因为维护和运营成本的问题，大多企业都不会建立专门的数据库，所需要的数据通常分散在各个系统中。所以可以从各个系统抽取这些数据放到某个库，做主题展示分析。为了避免后续的数据维护，可以尝试集中管理数据，建立一个类似数据仓库的东西，最好还能实时更新，满足这几点，后期的分析工作会轻松许多，比如可以利用带cube的商业智能数据分析工具FineBI制作分析，以几个例子说明。
案例1：销售预测
做销售预测的分析，主要从市场占有率、按区域和流通渠道划分的销售预测以及回归模型。此时我们需要手机销量数据、竞争对手的销量数据、以及外部的一些社会经济环境统计数据。
如下图利用FineBI制作全国销售额分布图，查看各地区完成进度，确定主攻市场。
案例2：渠道分析
如果要研究不同渠道的销售情况，优化渠道就要分析渠道与购买行为的关联性，收集客户的购买过程与销量。