雖然這篇tableau語法鄉民發文沒有被收入到精華區:在tableau語法這個話題中,我們另外找到其它相關的精選爆讚文章
在 tableau語法產品中有3篇Facebook貼文,粉絲數超過4,814的網紅飛鳥涼不涼的遊戲營運觀察小站,也在其Facebook貼文中提到, 【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...
tableau語法 在 飛鳥涼不涼的遊戲營運觀察小站 Facebook 的最佳貼文
【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。
tableau語法 在 Code For Marketing Facebook 的最佳解答
【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
tableau語法 在 紀老師程式教學網 Facebook 的最佳貼文
[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!