Arthur's Blog

一、 什么是数据分析？

数据分析是一个很宽泛的概念，很多教科书上都有标准的定义。所谓“数据分析”，是指根据“业务理解”，采用“适当的统计方法”对收集的数据进行清洗，提取有用的信息和规律，以简明易懂的方式“呈现”给使用人员，发挥数据的作用。

二、 游戏数据分析在做什么？

在游戏行业中，我们需要了解如何有效地获取用户、评估效果，需要了解如何激活用户、评估产品质量，也需要知道如何提升收益，并挖掘潜在的高价值用户，由这些需求，游戏便与数据分析结合在一起了。

根据游戏产品的生命周期进行划分。在产品稳定之前，游戏数据分析的主要任务是通过业务分析，快速响应需求，帮助策划和运营人员优化产品、运营和市场活动。在产品稳定且规模达到一定量级时，游戏数据分析的主要任务是将前期的业务理解不断抽象、提炼，通过算法形成固定模型，由产品调用并嵌入到游戏的功能中，以及进行专项课题研究。

概括起来，可以分为以下4个部分：

（1） 基础支持：包括数据埋点的需求跟进和验收，数据仓库搭建，各类平台及运营工具搭建；

（2） 产品调优：从实际的生产流程来看，游戏产品，特别是移动游戏，一旦正式推广开始，研发精力主要集中在各类SDK的对接、版本维护和后期内容填充上。因此，根据留存及付费分析对产品的基础数值、玩点摆放、核心体验进行优化的工作主要集中在产品测试阶段；

（3） 运营优化：产品上线后，数据分析的主要任务集中在市场投放监控、基础运营支持，以及运营活动的规则和排期优化；

（4） 挖掘应用：产品在稳定运营一段时间且在线和收入规模还能稳定在一定量级时，开始涉及更多专项课题研究和一些挖掘算法，如通过分类算法个用户打标签，常应用在“防盗号”、“工作室识别”、“精准推送”、“伪随机”等。

三、 游戏数据分析师的层次

注意，任何企业的数据分析，都是基于对业务的理解进行的。一开始入行的分析师，容易陷入唯工具论，认为学好了数据分析工具就是万能的，笔者也曾陷入过这样的思维中，后来在数据圈和别人组队学习R语言时，我的组长lowwill开始纠正我的想法，那时候，我是已经把《R in Action》从头翻看了两遍啊。最后才发现，学了那么久的工具，竟然一点都不理解某些深层次的统计方法和业务知识。

每一次的数据分析，都应该是“三分工具七分业务“。就是说，业务理解应该占至少70%以上，工具只是辅助。不要一味地追求高逼格的数据分析工具，往往Excel就能解决的问题，你干嘛要写一长串的代码呢？但高级的数据工具又不得不学，因为Excel也有各种限制和不灵活。所以，对于刚入门的你，一定要把重心多放在业务理解上，工具的学习要根据你的需求。比如，你在看一些数据分析资料时，看到过“决策树”、“神经网络”，我只能说，你现在还用不了它，理解一下就行了，需要进阶的时候，再深入了解，千万别死扣，因为现在的你对它理解不透彻，也没法应用，过一段时间就会忘得一干二净。

四、 游戏数据分析流程

数据分析的过程主要包括6个既相对独立又互相联系的阶段：

（1） 明确需求

（2） 数据收集

（3） 数据处理

（4） 数据分析

（5） 数据展现

（6） 报告撰写