数据分析工作可以从宏观数据和微观数据(细分数据)说起，这种方式也是我比较喜欢的，宏观数据是对总体趋势的预测，以及对异常数据的敏感性把握。而微观数据分析的来源一方面就是从宏观数据的异动而产生的需求，二者是一种相互依托的关系。
当然如果不是专业做DA工作，也许按照这种方式是没有什么问题的，因为毕竟工作时间和精力不允许有更多的研究工作。从我这个菜鸟DA来说，其实还有很多的工作要做，而采取的形式是另外一种形式，不过其内涵与之前的是一致的。
如下图，大概每个行业的数据分析体系都是这个模式：
网游的常规数据的把握和检测更多的是针对人气(总登，峰值，APA，注册，流失，在线时长)，消费(ARPU，充值，消耗，渗透率)。
专题数据挖掘目前在网游数据分析领域应用比较小，即使有这方面的研究也属于公司的核心技术，这一部分的研究是对整个游戏玩家的游戏行为，购买行为，情感行为，游戏心理，游戏压力，游戏寿命，游戏体验，游戏交互，IB购买关联喜好，经济系统运营分析等等深入的专题研究，不是为了解决某个问题而解决，而是一项基于海量数据的定期专题式的研究分析，只有深刻了解了用户的需求才能做出和运营好符合玩家口味的产品。
用户调研其实在网游数据分析工作处在一个边缘的位置，很多玩家不清楚自己想要什么，所以某种程度上我们来做这种调研工作往往会得到错误的玩家信号，所以很少会用调研手段来分析玩家。
按照这个方式总结起来如下图：
这里的深度寻因是一种长期和固定的针对用户各种特征的寻因。
那么对于我们而言，要做有两块工作，常规数据分析，专题式的数据挖掘研究。常规数据分析除了在宏观把握数据的趋势和异动之外，还要在微观上，将异动的数据指标进行细分，从微观角度找出问题的所在解决问题。而专题的数据分析是我们主动的提出一些问题，进而去寻找数据并进行研究，并不是为了解决问题而解决。这看似不能最直接的解决问题，然而这些数据的解读，我们能够掌握
玩家想要什么(what);
为什么要(why);
从哪里可以得到(where);
什么时候我们做(when);
哪些玩家针对哪些运营策略(who);
我们应该给多少(how much);
以什么形式进行(how);
通过5W2H的方法，结合分析手段来解决这些问题。以下为根据网络总结的数据分析的一些注意点和方法。
常规数据分析的思路–从收益角度
但我们面临收益下降时，需要我们定位问题，从收益角度出发来解决问题。
常规数据分析的思路–从人气的角度
通过以上的数据解读和针对这些宏观数据的细分，我们可以完成一些异动数据的分析和紧急的需求。
而在做好这项工作的同时，我们也需要做好专题式的数据分析工作，提供运营人员更多的运营决策。
在专题的数据挖掘与分析模式，有以下的几种形式：
*用户生命周期模型
*流失因素函数及模型计算
*网络媒体效果分析
*游戏活动及系统风险评估
*游戏经济系统预警评估
针对专题式的数据挖掘，目前还在一个缓慢的研究过程，这一块确实是比较困难，不同于传统零售，金融，电信行业。网游具有着独特性在具体的分析过程中，需要结合特点，合理应用理论和技术解决问题。
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
