[游戏数据分析]怎样做一名游戏数据分析师
https://att.xiawai.com/data/attachment/forum/202101/04/t253qnqwgzv34490.jpg完美空间教你怎样做一名游戏数据分析师作为游戏数据分析师，无论最初的职业定位方向是技术还是业务，最终发到一定阶 段后都会承担数据管理的角色。因此，一个具有较高层次的数据分析师需要具备完 整的知识结构。 1. 数据采集 了解数据采集的意义在于真正了解数据的原始面貌，包括数据产生的时间、条件、 格式、内容、长度、限制条件等。这会帮助数据分析师更有针对性的控制数据生产 和采集过程，避免由于违反数据采集规则导致的数据问题；同时，对数据采集逻辑 的认识增加了数据分析师对数据的理解程度，尤其是数据中的异常变化。比如： Omniture 中的 Prop 变量长度只有 100 个字符，在数据采集部署过程中就不能把 含有大量中文描述的文字赋值给 Prop 变量（超过的字符会被截断）。 在 Webtrekk323 之前的 Pixel 版本， 单条信息默认最多只能发送不超过 2K 的数据。 当页面含有过多变量或变量长度有超出限定的情况下，在保持数据收集的需求下， 通常的解决方案是采用多个 sendinfo 方法分条发送；而在 325 之后的 Pixel 版本， 单条信息默认最多可以发送 7K 数据量，非常方便的解决了代码部署中单条信息过 载的问题。
https://att.xiawai.com/data/attachment/forum/202101/04/1egawbzpjxi34491.jpg
（Webtrekk 基于请求量付费，请求量越少，费用越低）。 当用户在离线状态下使用 APP 时， 数据由于无法联网而发出， 导致正常时间内的数 据统计分析延迟。直到该设备下次联网时，数据才能被发出并归入当时的时间。这 就产生了不同时间看相同历史时间的数据时会发生数据有出入。 在数据采集阶段，数据分析师需要更多的了解数据生产和采集过程中的异常情况， 如此才能更好的追本溯源。另外，这也能很大程度上避免“垃圾数据进导致垃圾数据出”的问题。 2.数据存储 无论数据存储于云端还是本地，数据的存储不只是我们看到的数据库那么简单。比 如： 数据存储系统是 MySql、Oracle、SQL Server 还是其他系统。 数据仓库结构及各库表如何关联，星型、雪花型还是其他。 生产数据库接收数据时是否有一定规则，比如只接收特定类型字段。 生产数据库面对异常值如何处理，强制转换、留空还是返回错误。 生产数据库及数据仓库系统如何存储数据，名称、含义、类型、长度、精度、是否 可为空、是否唯一、字符编码、约束条件规则是什么。 接触到的数据是原始数据还是 ETL 后的数据，ETL 规则是什么。 数据仓库数据的更新更新机制是什么，全量更新还是增量更新。
https://att.xiawai.com/data/attachment/forum/202101/04/qnaiczzhgf034492.jpg
不同数据库和库表之间的同步规则是什么，哪些因素会造成数据差异，如何处理差 异的。 在数据存储阶段，数据分析师需要了解数据存储内部的工作机制和流程，最核心的 因素是在原始数据基础上经过哪些加工处理，最后得到了怎样的数据。由于数据在 存储阶段是不断动态变化和迭代更新的，其及时性、完整性、有效性、一致性、准 确性很多时候由于软硬件、内外部环境问题无法保证，这些都会导致后期数据应用 问题。 3.数据提取 数据提取是将数据取出的过程，数据提取的核心环节是从哪取、何时取、如何取。 从哪取，数据来源——不同的数据源得到的数据结果未必一致。何时取，提取时间——不同时间取出来的数据结果未必一致。 如何取，提取规则——不同提取规则下的数据结果很难一致。 在数据提取阶段，数据分析师首先需要具备数据提取能力。常用的 Select From 语 句是 SQL 查询和提取的必备技能， 但即使是简单的取数工作也有不同层次。 第一层 是从单张数据库中按条件提取数据的能力，where 是基本的条件语句；第二层是掌 握跨库表提取数据的能力，不同的 join 有不同的用法；第三层是优化 SQL 语句， 通过优化嵌套、 筛选的逻辑层次和遍历次数等， 减少个人时间浪费和系统资源消耗。
https://att.xiawai.com/data/attachment/forum/202101/04/ilvocyprb3u34493.png
其次是理解业务需求的能力，比如业务需要“销售额”这个字段游戏数据分析，相关字段至少有 产品销售额和产品订单金额，其中的差别在于是否含优惠券、运费等折扣和费用。 包含该因素即是订单金额，否则就是产品单价×数量的产品销售额。 4.数据挖掘 数据挖掘是面对海量数据时进行数据价值提炼的关键，以下是算法选择的基本原 则： 没有最好的算法，只有最适合的算法，算法选择的原则是兼具准确性、可操作性、 可理解性、可应用性。 没有一种算法能解决所有问题，但精通一门算法可以解决很多问题。 挖掘算法最难的是算法调优，同一种算法在不同场景下的参数设定相同，实践是获 得调优经验的重要途径。 在数据挖掘阶段，数据分析师要掌握数据挖掘相关能力。一是数据挖掘、统计学、 数学基本原理和常识；二是熟练使用一门数据挖掘工具，Clementine、SAS 或 R 都是可选项，如果是程序出身也可以选择编程实现；三是需要了解常用的数据挖掘 算法以及每种算法的应用场景和优劣差异点。5.数据分析 数据分析相对于数据挖掘更多的是偏向业务应用和解读，当数据挖掘算法得出结论 后游戏数据分析，如何解释算法在结果、可信度、显著程度等方面对于业务的实际意义，如何将 挖掘结果反馈到业务操作过程中便于业务理解和实施是关键。
https://att.xiawai.com/data/attachment/forum/202101/04/cb2xsuvpvsa34494.jpg
6.数据展现 数据展现即数据可视化的部分，数据分析师如何把数据观点展示给业务的过程。数 据展现除遵循各公司统一规范原则外，具体形式还要根据实际需求和场景而定。基 本素质要求如下： 工具。PPT、Excel、Word 甚至邮件都是不错的展现工具，任意一个工具用好都很 强大。 形式。图文并茂的基本原则更易于理解，生动、有趣、互动、讲故事都是加分项。 原则。领导层喜欢读图、看趋势、要结论，执行层欢看数、读文字、看过程。 场景。大型会议 PPT 最合适，汇报说明 Word 最实用，数据较多时 Excel 更方便。 最重要一点，数据展现永远辅助于数据内容，有价值的数据报告才是关键。 7.数据应用 数据应用是数据具有落地价值的直接体现，这个过程需要数据分析师具备数据沟通 能力、业务推动能力和项目工作能力。 数据沟通能力。 深入浅出的数据报告、 言简意赅的数据结论更利于业务理解和接受， 打比方、举例子都是非常实用的技巧。 业务推动能力。在业务理解数据的基础上，推动业务落地实现数据建议。从业务最 重要、最紧急、最能产生效果的环节开始是个好方法，同时要考虑到业务落地的客 观环境，即好的数据结论需要具备客观落地条件。项目工作能力。数据项目工作是循序渐进的过程，无论是一个数据分析项目还是数 据产品项目，都需要数据分析师具备计划、领导、组织、控制的项目工作能力。
以上内容就是[游戏数据分析]怎样做一名游戏数据分析师的相关内容介绍，喜欢侠外游戏论坛的朋友可以关注我们。 楼猪V5啊
页:
[1]