京公网安备 11010802034615号
经营许可证编号:京B2-20210330
这个七月着实忙碌了好久,也是工作的小事情不断,回头想想自己忙什么了,感觉好像真的没什么忙的,不过却又忙碌了这些天。这也是导致这么多天啥也没写的原因。确实现在有点感受到了一个好朋友说的,东西很散,有时候太忙了,没办法写出来。体味了一下这样的感觉,确实很忙,不过每天还是可以拿出那么一点时间来谢谢东西。
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:
数据挖掘工程师不见得关心长尾理论,但是你要去关心;
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
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 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 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 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 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28