近幾年來，隨著大資料概念的提出及資料相關技術的迅猛發展，資料分析及資料探勘這一方面的工作也得到了肯定和支援，在遊戲行業中，越來越多的關於資料分析的內容和觀點也井噴式提出。但目過度依賴資料，或者主觀的解讀資料，帶來的損失則是無法估計的。接下來yjbys小編將給大家講述遊戲資料分析中的幾個誤區。想了解更多相關資訊請持續關注我們應屆畢業生培訓網。
1.未理解資料定義，盲目比較資料
近來，同行們樂於去關注關於行業各型別遊戲的benchmark，諸如S級遊戲的次日留存，S級遊戲的ARPU，S級遊戲的ACU/PCU等等一些運營常見指標，在我看來，比較是資料的價值之一，是用來衡量產品優劣差距度量最直接的方法，而資料比較是建立相同的資料採集方法和資料指標計算方法上的。所以在比較資料前，請先明白benchmark的計算標準及資料採集方法，這樣才能體現資料比較的意義。
2.過度依賴分析方法，沉迷於資料建模過程
小編在大學期間，讀的便是統計學專業，大學參加過數學建模比賽拿到較好的名次，也做過一系列諸如BP神經網路，貝葉斯決策樹或是聚類分析等專案，在剛接觸遊戲資料分析時，十分興奮，便用了各式各樣的方法對資料進行分析。漸漸的我發現，在實際工作中，資料分析並不像學術研究那樣嚴謹，更需要對資料表現作出快速判斷，不需要在每次分析前都去驗證樣本群體是否符合某種統計分佈，也可能不需要用“人工神經網路”等“高科技手段”去預測產品將來的使用者數，甚至給出“A>B”的結論時也用不著做“顯著性檢驗”，考驗得更多的是對業務的理解的把握能力。所以在開展資料分析工作過程中，切勿過度依賴分析方法，而應重視遊戲業務的把握。
3.資料是客觀存在的，切勿主觀誤讀資料
對於在一線工作過一段時間的同行來說，做資料分析經常會走入這樣一個怪圈，在我們提取資料的過程中，我們會看到部分的資料表現，而且對各種各樣的現象都有了一些自身理解的結論，在這樣的思想指導下，總有方法去用資料去驗證自己的結論。在我看來，資料是客觀存在的.，解讀資料也需要秉持客觀中立的態度，千萬需要避免為了自身觀點去解讀一份資料。
4.不明確資料分析目的，模糊分析需求，分析不完整，應該做一份300%的分析報告
明確分析的目的及需求，比如不要將核心使用者研究誤認為活躍使用者分析。網龍的劉經理曾經跟我分享給一個這樣的案例，產品經理跟你提出做一份COC的活動資料分析報告，去衡量活動效果，一般情況下，你會將活動前期，中期，後期的遊戲巨集觀資料拿出來，然後畫圖看各個階段的表現，然後做出判斷。然後歡欣雀躍的拿著報告交給產品經理，這樣就覺得了事了。如果從一個數據分析師的角度看來，這樣的報告是很廉價的。別人提分析需求時，可能他有10個問題，但是隻給我們描述了3個問題，我們並不能簡單解決這樣3個問題，我們應該更多的是中立客觀的從多個角度去思考這樣一個問題，然後從產品自身，產品玩家，產品運營等等多個角度，全面的去衡量這樣一個問題，去發現潛在機會，然後做出一份300%的分析報告，而不是100%。
