큰 데이터 클라우드 시대 게임 분석의 거기는 4 주요 오해

최근 몇 년 동안, 단어 큰 데이터의 인기와 http://www.aliyun.com/zixun/aggregation/13568.html의 급속 한 발전에서 "> 대용량 데이터 기술, 데이터 분석 및 데이터 마이닝 작업의 기업, 점점 더 많은 관심 되었습니다 특히 게임 업계에서 점점 더 많은 데이터 볼륨 및 관점의 분석에도 폭발, "데이터 기반 구체화 작업, 플레이어 그룹의" 양적 연구"," 모바일 게임 데이터 분석 시스템 "그리고 데이터 분석 요구는 무한, 개념, 게임 개발 및 운영에 볼 수 있습니다 대응 하 게, 데이터 분석의 논의 또한 표현 된다. 맹목적으로 데이터 또는 데이터의 주관적인 해석에 너무 많이 의존의 손실 계산 가능한 하지 않습니다. 다음, 내 직장 경험을 결합 하는 것입니다, 그리고 다음 데이터 표시기 기만 하 고 게임 데이터 분석의 몇 가지 오해.

1. 데이터 정의 데이터의 블라인드 비교 이해

동료와 같은 S 급 게임, S 클래스 게임 Arpu, s의 다음날 Acu/pcu, 게임 작업의 몇 가지 일반적인 지표에 게임 벤치 마크, 다양 한 종류의 산업에 관심을 지불 하고자 하는 내 생각에, 비교 데이터의 값 중 하나입니다, 제품의 최고의 측정 사이의 간격을 측정 하는 데 사용 그리고 데이터 비교 동일한 데이터 수집 방법 및 지 수 계산의 방법 확립 하는 것입니다. 그래서 데이터를 비교 하기 전에 이해 하십시오는 벤치 마크 표준 및 데이터 수집 방법, 데이터 비교의 중요성을 반영 하기 위하여.

2.에에 신뢰 분석 방법, 데이터 모델링 프로세스에 탐닉

대학, 저자 읽고 주요 통계, 대학, 더 나은 위치를 수학적 모델링 대회에 참가 하지만 또한 혈압 신경 네트워크 등 일련의 수행, 베이지안 결정 트리 또는 데이터를 분석 하는 다양 한 방법 사용 분석 프로젝트, 게임 데이터 분석, 매우 흥분된와 첫 접촉에 클러스터. 점차적으로 나 발견, 실제적인 일에 데이터 분석은 엄격한 학술 연구, 그것은 데이터의 성능에 빠른 판단을 만들 필요가, 필요 샘플 그룹 각 분석 하기 전에 몇 가지 통계 분포를 준수 하지 않을 수 있습니다 확인 필요가 없습니다 "-첨단 의미"를 사용 하 여 "인공 신경 네트워크"와 같은 제품의 미래 사용자 수를 예측 하기. 심지어는 "는 > b" 결론 또한 필요가 없습니다 "중요 한 시험", 테스트는 더 비즈니스 능력 파악의 이해. 따라서, 데이터 분석, 과정 분석 방법에 너무 많이 의존 하지 마십시오 하지만 게임 비즈니스 이해에 중요성을 첨부 해야 합니다.

3. 데이터는 객관적, 주관적으로 데이터를 읽을 하지 않습니다.

얼마 동안 전선에서 일 한 동료에 대 한 악순환으로 자주가 데이터 분석, 우리의 데이터 추출 과정에서 우리 데이터 성능 중 일부를 볼 것 이다 그리고 다양 한 현상의 결론, 이러한 생각의 지도 아래 그들의 자신의 이해의 일부는, 거기는 항상 데이터를 사용 하 여 그들의 자신의 결론을 확인 하는 방법. 내 생각에, 데이터는 목적, 데이터의 해석 또한 객관적이 고 중립적인 태도 유지 하기 위해 필요, 우리 자신의 관점에 대 한 데이터를 해석 하는 피해 야 한다.

4. 지우지 데이터 분석 목적, 퍼지 분석 요구 사항, 분석 완료 해야 할 300% 분석 보고서

명확 하 게 목적 및 요구 사항 분석의 같은 실수 활성 사용자 분석에 대 한 핵심 사용자 연구를 하지. 관리자 한 번 공유 나와 함께 한 경우, 제품 관리자 및 당신이 제안 순 용의 Liu COC 활동 데이터를 분석 보고서, 활동, 일반적으로의 효과 측정 하, 초, 중, 후반 게임 매크로 데이터에서 활성화 됩니다 하 고 다음 그리기 그림 각의 성능 단계, 다음 판단. 제품 관리자에 게 보고서와 함께 다음 도약 그래서 문제를 느낀다. 만약 당신이 그것을 데이터 분석가 관점에서 보면, 같은 보고서는 저렴 한입니다. 다른 분석 요청, 어쩌면 그는 10 가지 질문, 하지만 우리에 게 3 문제 설명, 우리 같은 간단한 3 문제를 해결할 수 없는, 우리만 해야 이러한 문제에 대해 생각 하 고 여러 각도에서 그리고 제품 자체, 제품 플레이어, 제품 작업, 그리고 너무 많은 각도에서 더 중립적이 고 객관적인 종합적으로 이러한 문제를 측정, 잠재적인 기회를 식별 한 다음 300% 분석, 100%.