【淺談遊戲數據分析的理解與經驗分享】 - By RF

延續前篇文章提到的營運基本素養，本文來說明筆者對於數據分析的理解與經驗分享，

數據分析可簡單分為三個區塊 Data→ Information → Solution
產品的每日數據表、鑽石產出消耗統計、禮包購買狀況等這類經統計出的「數字」，可視為 Data：

舉例: 每日鑽石產出約150-200萬鑽，但在5/6產出400萬鑽；

深入挖掘造成其數字變化的「背後原因與傳遞出的資訊」，可視為 Information：

舉例: 造成此5/6的鑽石產出變化原因，可能有bug被洗大量鑽石、有大型儲值活動吸引大量付費玩家出來付費、有大R怒儲100萬鑽、活動獎勵配置錯誤等原因；

最後根據其數據分析得到的資訊與結論，做出「相對應的決策與後續計畫」，可視為 Solution：

舉例: 本次活動獎勵配置原先預期A獎勵較吸引中小用戶，經分析後發現是B獎勵命中大R用戶需求，導致大R瘋狂付費，此時可以重新檢視品項設計與用戶需求內容，並思考該如何延續本次的活動成效，同時也要評估是否會過度投放而造成道具失效的狀況。

以下為筆者過去在數據分析時得到的經驗，提供大家參考。

1. 資料驗證
錯誤的分析結論可能會導致錯誤的決策，所以《資料正確性》為首要注意的項目。

營運人員大多從數據後台或請技術撈取資料，尤其在額外撈取的資料當中，有可能因需求說明不清楚或是一時疏失導致撈取欄位或內容錯誤，故在撈取資料前要預先想好如何檢驗資料正確性，且拿到資料後第一時間需做資料驗證。

舉例: 想瞭解A產品在 5/1-5/7的每日營收，在資料撈取需求時可以額外拆分付費渠道(GP、IOS、官網)，來進行資料比對與驗證，當拆分付費渠道後的營收加總與每日總營收不同時，此時可以先回頭確認資料源哪裡有異常。

2. 數據結構
《用戶特性差異巨大》，根據自身運營的產品統計，所有用戶中僅10-20%的用戶會付費，在付費用戶中的前20%大R用戶會貢獻約75%-85%的營收，在判斷所有數字時要盡可能瞭解其用戶輪廓，且要有更多種面向的數據來進行輔助判斷。

舉例: 在分析鑽石產出消耗時，如果是所有用戶一起看，可能會無法定位到明確的問題，如果細分成免費用戶、付費用戶(大中小R)等細分數據，則可瞭解各階層用戶花費鑽石的地方，進而找到用戶需求。

3. 輻射思維
大部份情況下，可能是因為看到某個數字異常值或是想解決某個問題而進行分析，建議可以從問題中心進行《射放性的假設與思考》，如果是單線性的思考，過度聚焦於某個論點，容易花了很多時間最終發現方向錯誤導致浪費時間，甚至演變成先射箭再畫靶的情況。

舉例: B產品因為調整活動獎勵，預期ARPPU會從1200元提升至1500元，最終結果提高至2000元，此時如果只是「說明」本次如何調整活動所以達到此結果，而沒有思考其他可能性的話，有可能會忽略真正發生的原因。

4. 善用工具
最常使用也最容易入門的是Excel，其中最重要的功能是「樞紐分析表」，可以將大量資料依自身需求快速轉換成清楚明瞭的統計報表；其次如vlookup等函數，可以加速資料處理與比對，這些基本功除了多使用還是只能多練習來熟能生巧，更進階的也能學習SQL語法、Python、Tableau等軟體與工具來加快資料處理的速度。

5. 挑戰自己
在數據分析的過程中，不斷挑戰自己的想法與觀點，同時切換不同視角來審視自己的分析與結論，除了可以發掘不同問題與報告缺陷外，也可以提前預想上級主管或聽講者會想得知哪些資訊與提問內容。

「重分析，更重結論與後續追蹤」
剛開始接觸數據分析的營運人員容易太重分析或太相信數字，反而忽略了「產品體驗」與「解決問題」，進而導致輕易下結論或缺乏有效驗證其方案。

數據分析雖不是萬能，但也是遊戲營運一項必備技能，時刻關注數據變化，培養數字敏銳度，才有辦法一眼看出異常值！

希望以上內容對你有所幫助，也歡迎大家一起多多交流。
--
本篇為客座專欄，作者RF，現為知名遊戲公司營運主管，希望藉由分享自身經驗，給有志於遊戲營運的朋友一些啟發。

【限量100名Udemy課程，兩折！$600元提前開始學習Python資料分析】
👉 #一個假日就讓你的履歷不一樣 #數量有限 #許多學員好評上課中！
https://pse.is/N7H93

從事行銷或是數據分析的男生女生工作者，從入門初階學習 Python 做實戰資料分析，開始理解資料分析與視覺化不再困難，讓它成為你圖像化資料的職場技能。

你常接觸各種Google數位工具，有想過自己動手用嗎GA API , Google Ads API，讓工作更有效率嗎？

常聽別人說Python用途很多，擁有基礎後，還能自己操作Tableau , Google Search console API 這麼多有趣服務！

這堂用一個假日進行 Python 資料分析視覺化實戰，你會學到：

✔️了解 Python 語法與什麼是資料科學
✔️使用 Pandas 套件進行資料處理
✔️瞭解程式背後的邏輯與為什麼學習
✔️掌握視覺化套件庫 Matplotlib
✔️掌握進階視覺化套件庫 Seaborn
✔️練習使用【歷屆金鐘獎資料】取得重要訊息
✔️與課程講師一同實務練習 Python 題目與日常用法

[閒聊] 未來三年程式設計的學習方向

常常有人問我：「老師，我想學程式設計。但是我不知道該學什麼？」通常我會再追問：「為什麼你想學程式設計呢？」如果答案是：「可以賺大錢」，那我會勸他趕快回火星去，地球是很危險的...

如果是：「興趣」，那我勉強還可以聊一下。根據我非～～常個人的觀察，未來三年比較流行的程式設計領域有下列四個：

(1) 網頁程式設計：

就是 HTML5/CSS3/JavaScript 這些東西。這些技術夾著跨平台之賜，可以拿來做網頁，可以拿來寫手機 App，還可以拿來寫遊戲、讓人彼此偷菜... XD。加上入門門檻又不高，進可攻、退可守。實在很適合完全不會程式設計的人，當成敲門磚。

(2) 手機 App

這個不用我再強調了...憤怒鳥、轉來轉去的糖果...都跟這個領域有關。如果你本身已經會 C 語言，建議您走 iOS，因為 iOS 的官方語言 Objective-C，語法跟 C 語言很像。學起來會很輕鬆。如果您會的是 Java，建議您走 Android。因為 Android 背後的官方語言就是 Java。

如果拿「賺不賺錢」這件事來考量，手機 App 能賺錢的不到 1%，賠錢的是大多數。所以抱著「做 App 賺大錢」的人，我會勸你去買張獎券還比較有希望。如果真要說賺錢，根據統計，iOS 雖然市佔率沒有 Android 高，但是 iOS 的使用者很習慣掏錢買軟體。而 Android 使用者比較偏好「免費軟體」。所以，如果要賺錢的話，您可以走 iOS 試試看。

(3) 嵌入式系統（自動控制、機器人）

如果您跟我一樣不怕死、不是硬體出身的卻對控制硬體有莫大興趣，還願意常常掏錢買不同的開發板、齒輪、電料...（這些可沒有免費的可以「下載」... XD），那歡迎您加入嵌入式系統這個煉獄...呃...錢坑...也不對！「樂園」;-) ...。如果您是從軟體跨過來的，我會建議您先買一塊 Raspberry Pi 來玩。如果您是硬體過來的，那麼買塊 Arduino UNO 來玩，您一定會覺得如魚得水的。

這一行要能閱讀大量的原文，因為能寫「硬體+軟體」的書籍作者不多。此外，C 語言是一定要學的。不過學成後，您可以自己做個自走車、機器手臂什麼的，現給人家看，很有成就感喔！

(4) 海量資料（Big Data）、分散式運算（Distributed Computing）、雲端運算（Cloud Computing）

上面這三個名詞事實上都是一件事的不同面向而已，對我來說是同一件事。這也是這一兩年新興的領域，我十分看好！所謂「海量資料」，是由想分析 Internet 時代收集而來的巨大資料，並從中算出某種趨勢而來。舉例來說，每天有上萬人在 Amazon 買書。你怎麼從這些人的購買資料，得知他/她的喜好？

海量資料有三樣東西要考量：(1) 怎麼儲存這些海量資料？ （海量資料）(2) 怎麼平行運算這些資料、以便在最短的時間內得到結果？ （分散式/雲端運算）(3) 怎麼用最清晰的圖表，讓人一看就了解趨勢，而非只是條列式呈現算出來的結果？國外是以「Store、Compute、Present」三個字來代表。

說到如何「儲存」海量資料，目前最流行的就是 NoSQL 家族。包含 MangoDB、HBase、CouchDB...等。這些資料庫與傳統資料庫不同的是，您可以將資料庫「分屍」放在上百台機器，然後它們還能彼此運作得起來。這點傳統資料庫就做不到！能將資料「分屍」還能運作，才能獲得「叢集運算（Cluster Computing）」的好處。

MangoDB: http://zh.wikipedia.org/wiki/MongoDB
HBase: https://zh.wikipedia.org/wiki/HBase

第二點是「分散式運算」，也就是談怎麼把本來由一台電腦做的事情，分散到上百台電腦做好，然後把成果收集回來。這點，Hadoop、Scala 是目前箇中翹楚。

Hadoop: http://zh.wikipedia.org/wiki/Apache_Hadoop
Scala: http://zh.wikipedia.org/wiki/Scala

第三點就是怎麼用最清晰的圖表，動態呈現這些海量資料運算結果了。目前我看到 Tableau 這家公司非常投入這塊。他們也在昨天掛牌上櫃，股票首日大漲 64%，前景一片看好。

Tableau 官網： http://www.tableausoftware.com/
Tableau 新聞： http://www.bnext.com.tw/Article/view/cid/103/id/27875

閒聊至此！如果您不知道想往哪個方向走，或者您還有問題想問，歡迎留言在下面喔！我會儘快回覆您的！