京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代-数据分析师的尴尬
这几天和一个圈里的好友聊天,问我怎么来看待现在的工作状态。她也是一个做网游数据分析的分析师,她说一天的工作除了固定的发完每天要做的那部分,似乎剩下的时间就没了什么事可做,最感觉有点后怕的是,作为一个leader,下面一群人还需要指点和安排。这种空洞让她有些不能心安。
事实上,我有很长的一段时间也是这种状态,最后练就的本事时每天的必须工作只需要半小时就搞定了,剩下7个多小时就闲着了,闲的心里面有点害怕,因为怕这种闲。而造成这种感觉其实有时候感觉自己是在浪费自己的青春和时间,想努力抓住一些东西,但是又无法抓住。网游数据分析师说来这个词曝光率都不是很高,上有数据挖掘工程师的大帽子,之后又是业务分析师,运营团队的人,又是研发策划的人压着,其实有时候感觉挺苦逼的,挺悲催的地位,外加上环境和目前的分为并没有看重这个行业进步和发展,也就这样了。
现在几乎每天看到Big Data,数据分析这些热词,说实话我对于hadoop,mapreduce 这些不是很关心,因为我不是一个要去做技术的人,我对于经济学,心理学,营销学也不是很关心,因为我也不是一个要去做管理的,纯粹的运营的人,我有自己一个独立的称号网游数据分析师。
也许这个职位的价值不被数据挖掘工程师认可,因为你的技术没他们好,连个算法都搞不懂;
也许这个职位的价值不被运营人员所认可,因为你的分析和知识他们就能做到,连业务都没吃透;
也许这个职位的价值不被研发的人所认可,因为你根本就不懂研发,狗屁不是。
但是为什么还要坚持呢?因为存在价值。
因此就不必怀疑自己自己的价值,如果你热爱这份职业。
一个网游数据分析师不该停留在那些指标上,侃侃而谈就ok了,我们要去吃透那些指标,我们要去理解业务,驾驭上层的数据。同时,我们却又要不断的去探究为什么,因为数据挖掘工程师不会告诉你为什么,他们只能告诉你what,而你作为一个数据分析师,在业务者与挖掘者之间,就要解决,最终服务于运营业务的how。
所以我们可以不懂得高深的算法,但我们要懂得如何将算法应用,如何驾驭那些软件。我们不懂得市场,但是我们要懂得一点长尾,懂得一点怪诞心理,懂得一点社会性。我们不懂得设计,但是我们懂得一点用户体验,购买决策。
其实思考了很久,我觉得作为一个数据分析师,最终就是在构建个非常完整和健康的CRM。基本上层和底层的数据构建和服务对象都是CRM,只是这个东西从未完整和很好的应用过。在这点上,前几天我听过有人说我们做出来的游戏是要我们自己完全能够掌握和把控的产品,不然就会很危险,这点我不怀疑,但是最终的问题是你的产品是要给玩家来玩的,你懂得你的玩家吗?作为业务者只给你一堆指标就能够看出玩家的变化和行为的了吗?作为挖掘者,得出特征,就能直接指导设计改进了吗?我想都不太现实,这都是需要协作和融合的。
无论是细分数据和还是宏观的数据指标控制,都是相互依赖和分析并存的,因此作为数据分析师不只是懂得业务,也会去尽量懂得挖掘数据,这只是一个基本的要求,此外还要有如下的要求:
运营人员和团队不见得关心神经网络,但是你要去关心;
最后我想举一个例子,前段时间看过一篇介绍分析永恒之塔流失的文章,作者在最后说尽管他们成功预测了流失概率,但是仍旧找不到流失的原因何在,也不知道该去如何控制改进。这个问题上挖掘者已经做到了,但是业务层包括研发层还是不能找到问题,你觉得这个问题该谁去解决?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19