數據分析中都有哪些常用的數據模型？

06-18

我是做手游的，維護遊戲的時候，經常會看後台數據，整理分析一下數據，簡單的談談，看看能不能幫到你。個人覺得數據分析是助力我們尋找問題，解決問題的一種有效手段。主要思維是通過搜集用戶行為轉化為數據模型，通過數據模型反推用戶行為。

我整理了一下，做數據分析大致有這幾個階段：確定目的或問題（why-為什麼要做這個數據分析）、數據採集（how-怎樣做數據採集以及採集有用的數據）、數據建模（how-如何有效建立數據模型）、數據分析（analysis-分析已搜集的數據）、數據圖表（chart-將分析後的數據製作成直觀的圖表）、數據結論（conclusion-得出結論並撰寫報告）、幫助決策（decision-通過數據結論為你的決策提供幫助）

1、確定目的或問題

這裡就需要觀察原始數據，一般我們的遊戲都會接入數據統計工具的SDK，記錄用戶的行為數據，我們用的是Talking Data，接入後，可以通過後台看到一些常規數據，比如DAU/MAU/ARPU、次日留、七日留、30日留等。這個工具裡面有一個漏斗轉化，需要程序配合埋點，我一般是將一個用戶體驗核心系統以及主要系統的流程都埋一遍，建立一個轉化漏斗，或者單獨埋一些自己想要知道的數據點，然後建立漏斗，可以清楚的看到各個階段的轉化率，如果轉化率突然降低了，你可以看到是在哪一步降低的，你就去在這個節點找問題，做分析。

通過上面的後台數據以及轉化漏斗，我們就可以直觀的看到哪裡出現了問題，或者通過其他外在因素髮現了某些問題。首先要確定這些問題是真的存在，然後去尋找問題的根源所在。

2、數據採集

確定問題之後，我們就去數據源中尋找與問題正相關、側相關的數據，數據與數據之間都有一定的關係，正相關即與問題有直接關係的數據，這類數據都比較能夠清晰的搜集，側相關即與問題沒有直接關係，但是會側面影響問題的數據，這類要靠自己去篩選。比如我發現玩家在30級之後流失嚴重，我首先主觀上的感覺可能是這個等級段有未知的BUG，那排除BUG後，我通過數據分析，直接原因是30級之後新增的付費資源溢出，導致平民玩家與RMB玩家實力差距過大，那側面原因是30級時解鎖競技系統，玩家之間進行了交互，一些玩家挫敗感嚴重，導致流失。

3、數據建模

雖然叫數據建模，看起來高大上，其實就是處理你搜集來的數據，我一般使用EXCEL，裡面的一些函數能夠很好的幫助你處理數據，比如offset+match、vlookup、round、randbetween等。

這裡最好不只是選擇一個時間段的數據，最好有幾個時間段的數據進行對比，通過不同時間段的數據對比，發現裡面的規律，並要及時的記錄下來。

4、數據圖表

數據模型建好了，你得出的數據都是一些數字，看起來不是很直觀，那就使用EXCEL裡面的圖表，將數據整理成直觀的圖，常用的有折線圖、散點圖等。

5、數據結論

最後將你得出的數據結論撰寫一個詳細的文檔，文檔最好結構清晰，該標註的標註，該注釋的注釋，一定要詳細，因為這個文檔不一定只給自己看，你可以傳到SVN上，供大家查閱。

6、幫助決策

最後，即使你的數據是通過詳細分析得來的，但也不能百分百信任，分析結論只是為你的決策提供一個強有力的依據，你依然要從其他層面考慮，下這個決策。