- 相关推荐
游戏数据的分析的误区解析
近几年来,随着大数据概念的提出及数据相关技术的迅猛发展,数据分析及数据挖掘这一方面的工作也得到了肯定和支持,在游戏行业中,越来越多的关于数据分析的内容和观点也井喷式提出。但目过度依赖数据,或者主观的解读数据,带来的损失则是无法估计的。接下来yjbys小编将给大家讲述游戏数据分析中的几个误区。想了解更多相关资讯请持续关注我们应届毕业生培训网。
1.未理解数据定义,盲目比较数据
近来,同行们乐于去关注关于行业各类型游戏的benchmark,诸如S级游戏的次日留存,S级游戏的ARPU,S级游戏的ACU/PCU等等一些运营常见指标,在我看来,比较是数据的价值之一,是用来衡量产品优劣差距度量最直接的方法,而数据比较是建立相同的数据采集方法和数据指标计算方法上的。所以在比较数据前,请先明白benchmark的计算标准及数据采集方法,这样才能体现数据比较的意义。
2.过度依赖分析方法,沉迷于数据建模过程
小编在大学期间,读的便是统计学专业,大学参加过数学建模比赛拿到较好的名次,也做过一系列诸如BP神经网络,贝叶斯决策树或是聚类分析等项目,在刚接触游戏数据分析时,十分兴奋,便用了各式各样的方法对数据进行分析。渐渐的我发现,在实际工作中,数据分析并不像学术研究那样严谨,更需要对数据表现作出快速判断,不需要在每次分析前都去验证样本群体是否符合某种统计分布,也可能不需要用“人工神经网络”等“高科技手段”去预测产品将来的用户数,甚至给出“A>B”的结论时也用不着做“显著性检验”,考验得更多的是对业务的理解的把握能力。所以在开展数据分析工作过程中,切勿过度依赖分析方法,而应重视游戏业务的把握。
3.数据是客观存在的,切勿主观误读数据
对于在一线工作过一段时间的同行来说,做数据分析经常会走入这样一个怪圈,在我们提取数据的过程中,我们会看到部分的数据表现,而且对各种各样的现象都有了一些自身理解的结论,在这样的思想指导下,总有方法去用数据去验证自己的结论。在我看来,数据是客观存在的,解读数据也需要秉持客观中立的态度,千万需要避免为了自身观点去解读一份数据。
4.不明确数据分析目的,模糊分析需求,分析不完整,应该做一份300%的分析报告
明确分析的目的及需求,比如不要将核心用户研究误认为活跃用户分析。网龙的刘经理曾经跟我分享给一个这样的案例,产品经理跟你提出做一份COC的活动数据分析报告,去衡量活动效果,一般情况下,你会将活动前期,中期,后期的游戏宏观数据拿出来,然后画图看各个阶段的表现,然后做出判断。然后欢欣雀跃的拿着报告交给产品经理,这样就觉得了事了。如果从一个数据分析师的角度看来,这样的报告是很廉价的。别人提分析需求时,可能他有10个问题,但是只给我们描述了3个问题,我们并不能简单解决这样3个问题,我们应该更多的是中立客观的从多个角度去思考这样一个问题,然后从产品自身,产品玩家,产品运营等等多个角度,全面的去衡量这样一个问题,去发现潜在机会,然后做出一份300%的分析报告,而不是100%。
【游戏数据的分析的误区解析】相关文章:
jQuery解析json数据实例分析问题09-14
法国留学的误区分析09-10
雅思写作中易犯的误区解析08-17
IBM大数据分析07-09
硬盘的分区结构及其数据储存解析09-17
加拿大留学双录取常见误区解析09-03
网站优化的常见误区分析06-29
考研政治暑期分析复习误区07-29
加拿大留学数据分析07-29
web数据挖掘技术分析与研究09-06