amztracker支持美国欧洲日本等11个亚马逊站点进行操作。5、Jungle ScoutJungle Scout分为WEB版本和插件版。插件版本主要是谷歌浏览器插件，方便浏览亚马逊的同时开发产品，而WEB版本是自带产品数据库还有产品数据以及销售数据追踪，可以方便开发产品的同时知道对手或者想要跟卖的产品的销售情况。
支持站点：德国，法国，加拿大，美国，英国，印度，西班牙，意大利，墨西哥。6、CamelCamel CamelCamelCamel Camel俗称“三个骆驼”，这是一款主要用来追踪亚马逊商品历史价格的工具。跟Keepa一样都是免费的可以用于追踪亚马逊产品的价格工具。CamelCamelCamel提供来自亚马逊，第三方新品，和第三方二手物品的价格跟踪，查看时间范围包括1个月，3个月，6个月，1年和所有时间。
销售排名跟踪功能需要登录使用，与价格跟踪分布在不同的报表。鼠标移动过去，并不能精准展示鼠标定位的所有价格信息。7、AMZSharkAMZShark是一套专注研究新产品的亚马逊选品工具，它包括Sales Tracker、Niche Scout、Search Rankings Tracker和Keyword Explorer等，可以追踪调查竞争对手listing的销售数据，发现新利基产品，探索关键字等等。
8、数据脉数据脉是为亚马逊卖家量身打造的数据选品运营分析工具。使用数据脉，可以洞悉市场趋势、监控各种数据、提升流量和了解运营效果，从而成功打造亚马逊上最火的商品。9、腾商Templus腾商Templus亚马逊大数据统计与分析工具，有自动化报表导出，订单管理、实时监控，提供跨账号，跨站点的全维度数据统计，并通过微信，短信将销售，售后率，跟卖，账号质量度，排名，FBA退库等功能。
Templus现对自动调价，关键字调研，关键字排名监控等功能研发。10、TrendsAmazon一款方便卖家做亚马逊调研的软件。调研商品历史价格信息，客户评论数，好评百分比，卖家数量，各项产品信息得分，综合得分评比等，可帮助卖家更方便做调研。跨境电商运营数据工具分享就到这了，有需要的跨境电商卖家可以酌情去了解使用，一个符合你需要的跨境电商运营工具会让你事半功倍。
有什么让你相见恨晚的数据分析工具？
电子制表软件一哥：ExcelMicrosoft Excel是Microsoft为使用Windows和Apple Macintosh操作系统的计算机编写的一款电子表格软件。直观的界面、出色的计算功能和图表工具，再加上成功的市场营销，使Excel成为最流行的个人计算机数据处理软件。事实上，当数据量不大，我们常作为平日里数据预处理的一个首选菜单式软件，快速填充、缺失值填补、数据格式规范化等等，另外，excel强大的文本和数值处理函数也让它在表格软件地位不可撼动。
市场调查的宠儿：SPSSSPSS是统计产品与服务解决方案（Statistical Product and Service Solutions）的简称，为IBM公司的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称。同样是菜单式软件spss和excel有什么区别呢，正如我给SPSS的帽子：市场调查的宠儿。
SPSS里有一套完整的统计分析模块，菜单式的步骤操作也让非统计学专业的人可以自己实现一套统计分析，另外数据结果输出窗口、数据编辑窗口的分开式安排也让我特别喜欢，不像excel全部放在一个sheet里。中小型网站数据库恋人：MySQLMySQL在过去由于性能高、成本低、可靠性好，已经成为最流行的开源数据库，因此被广泛地应用在Internet上的中小型网站中。
随着MySQL的不断成熟，它也逐渐用于更多大规模网站和应用，比如维基百科、Google和Facebook等网站什么？数据库也能做数据分析？当然这里的数据分析不是深层次的使用统计分析或者算法进行挖掘和建模，这里的分析更多是提取有特定条件的数据，对数据进行一个简单的摘要统计。统计学人自己的工具：RR语言，一种自由软件编程语言与操作环境，主要用于统计分析、绘图、数据挖掘。
R基于S语言的一个GNU计划项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。R的语法是来自Scheme。基本上学统计学的学生都会使用R 语言做统计分析，R有一个很鲜明的地方就是R内置多种统计学及数字分析功能。R的功能也可以透过安装包增强（各种领域，实现各种分析功能的包真的是应有尽有）。
因为S的血缘，R比其他统计学或数学专用的编程语言有更强的面向对象。R的另一强项是绘图功能，制图具有印刷的素质，也可加入数学符号，所以R语言也可作为可视化工具。数据分析网红：python对于python，数据科学的大佬真的视若掌上明珠，什么“人生苦短，我学python“，什么“学python，养发护肝”。
推特上充满了愉悦的气味（滑稽）。Python是完全面向对象的语言。函数、模块、数字、字符串都是对象。并且完全支持继承、重载、派生、多重继承，有益于增强源代码的复用性。Python支持重载运算符，因此Python也支持泛型设计。可是作为胶水语言的python原生语句用来做数据分析可远远不够格，pandas库的开发和更新让python一下子变成数据分析的流量小生，另外，scikit-learn机器学习库也让数据分析师对其偏爱。
数据分析有哪些书籍和工具可以推荐？
入门篇1.入门技术篇：对于初入门的你，首先需要掌握数据分析的思路、方法和流程，思路是灵魂。然后根据业务疏通这些知识，做出严谨商务的分析报告。书籍推荐：a.《谁说菜鸟不会数据分析》l谁都需要看的经典入门书，涵盖了一到两年的数据分析人员的大部分工作，包括excel技巧、可视化入门、数据分析方法、数据分析方法论、数据处理入门等。
l隔段时间翻一翻，温故而知新，理解会更深刻。b.《左手数据，右手图表》这本书主要是excel的进阶技巧，主要围绕业务，学习制作动态图表，对excel技能提升有很大帮助。书中大篇幅都是案例，会设计可视化的知识，如何选用图表，模仿着做一遍会有很大提升。工具推荐：Excel/WPS此阶段主要熟悉常用工具的技能，不只是简单的做表做图，还要会用excel的VLOOKUP函数，IF语句等等2.入门业务篇：a.各数据产品论坛
