小白学数据分析--把握分析标准与敏感度
今天说说从另一个方面来分析一下数据,如果通过Excel的复合图表来分析一下DAU,同理分析其他数据指标的方法也是一样的。在游戏数据分析方面,一般数据变化都是以周为周期进行有规律的变化的,所以无论我们进行什么时间周期的分析,一定要把握周期变化情况适时的做出分析,否则就会得出错误的结论和图表。
如下图所示,每逢周五到周日数据会较平日出现明显的波峰情况,而且这种变化是一种以周为周期性的变化趋势,也是我们做出分析时的考虑因素。
但是情况也不是固定的,比如在手机APP游戏中的情况如下所示:
其周末效应就不是非常的明显,但是也存在变化的情况,说道这个分析还是要把握游戏类型和具体的客群情况来定。
但是有一点是必须说的,当我们要进行比较分析、趋势分析等其他分析时,必须要为数据找到合适的参照环境,也就是说存在一个标准或者叫做基准去衡量这段时间的数据变化情况。如果没有这标准就会出现下面的情况。
你会发现出现波峰交叉出现的情况,这是由于本月周末的DAU数据对应了上月DAU周四和周五的数据,但是该图的横轴坐标使用的是本月的星期变化情况,这样对于我们在分析数据时其实有很大的障碍和问题。
为此就需要我们去统一个参照环境,进行标准的分析和对照,比如我们参照本月的星期为统一的横轴坐标,然后就会发现周末数据会出现在同一天,这样便于我们衡量数据的周末效应。
下面就具体来说说怎么从曲线图来进行分析DAU情况。
同比:为了消除数据周期性波动的影响,将本周期内的数据与之前周期中相同时间点的数据进行比较。早期的应用是销售业等受季节等影响较严重,为了消除趋势分析中季节性的影响,引入了同比的概念,所以较多地就是当年的季度数据或者月数据与上一年度同期的比较,计算同比增长率。
环比:反应的是数据连续变化的趋势,将本期的数据与上一周期的数据进行对比。最常见的是这个月的数据与上个月数据的比较,计算环比增长率,因为数据都是与之前最近一个周期的数据比较,所以是用于观察数据持续变化的情况。
其实同比、环比没有严格的适用范围或者针对性的应用,一切需要分析在时间序列上的变化情况的数据或者指标都可以使用同比和环比。
在网游的数据分析中,我们要经常使用这两个术语,而且使用维度从日、周、月、年全部覆盖,但是需要注意的是网游中的同环比应用要考虑很多因素,网游产品要考虑停服、事故、更新、活动等很多情况,所以诸如环比,同比的使用时要把在考虑这些情况下适度的使用,且不能没有缘由的比较完毕后,但是没告诉看报告的人为什么同环比下滑或者上浮这么大。同环比能够为网游产品整体运营的发展状况提供有力的参考,但是必须建立在一定的基础上和环境的考虑上。
下面我们就从一个android平台的手机游戏应用的数据开始说起曲线图分析活跃用户和相关的信息。
如下图,为每日用户的变化趋势,这里使用了柱形图,实际上,最好是用曲线图,这是从系统上截取的图片,大概表示了3个月的数据(12月17日-3月16日)。从下图看得出来,圣诞节,元旦,春节,元宵节日活跃日数有小幅的提升,但是注意到春节只有除夕夜当日活跃较高,随后下降明显,这种情况基本上在节后都存在下降,而且非常明显。
具体来看每日的新用户变化情况,圣诞节出现一次新增用户的明显增长,元旦的增长空间明显大于圣诞节,这是因为,元旦基本都放假,符合中国人的习惯,但是很多公司把活动大都设置在了圣诞节,某种意义上是有点问题的,元旦后新登用户数开始下降,直到春节假期结束后,数据才恢复到12月中下旬的水平,这一点说明了一个问题,这款产品客群中,白领上班族会很多,因为2月份为假期,12月份为非假期,而这在数据表现上差异不大,说明学生群体的作用有限,此外3月份开学后,我们发现新登用户的增长空间有限,因此可以证明刚才所说的结论,对于这一点的证明,可以参看百度指数,侧面能够验证是否说得准确。
对于启动次数来看,出现了三个拐点,分别是,元旦、除夕夜、2月中旬。总的来说,节日期间手机的使用频率会增加,相应的会刺激手机应用启动,但是仔细观察发现,以除夕(1月22日)为节点,之后数据整体表现开始下滑,并开始加速,从某方面来看,说明学生客群不是非常多,因为开学后,启动次数并没有出现预测中的反弹,此外也要考虑根PLC有一定的关系,这也是观察的重点,因为我们看到DAU整体的水平也是下降。
从新增用户的变化趋势来看,android market 依然是主要的渠道,从2月份后,进入一个相对稳定波动的时期,过年期间,表现低迷,这是一种正常现象,如之前所分析的情况,学生客群比例相对少,白领在过年休假结束后,数据上会出现反弹,并保持一个相对稳定的波动,2月6日出现一个小高峰,原因在于该日为元宵节,月末开学后,学生群逐渐涌入,在3月初拉起小高峰后,数据表现基本和2月份持平,学生群体带动效果不明显。
而刨除android market再看,来自于其他渠道的用户很多,说明用户选择渠道相对宽泛,而且学生群体在这一方面的表现先对积极一些,整体来看,其他渠道新增用户变化在一个合理的范围内,在2月份效果好于春节假期和年前,可以从某一方面猜测,年后时间相对宽松,用户选择下载并成为用户的渠道多样化起来。
1018版本和1084版本变化差异比较大,尤其是在月末开学阶段,1018版本对于学生用户来说比较受欢迎,相比较假期而言,提升幅度比较大,然而1084版本在开学后却处于开始大幅下降的阶段,版本差异需要进一步查询原因才能核实。此外年前,两个版本的投放出去后,出现的异常情况比较多,这些异常信息需要引起注意,并结合版本的设置,研发情况,进行记录和分析。
以上为今天说的内容,说到底就是要把握数据分析中的参照和标准,同时还要仔细周到的考虑可能会涉及的一些影响因素,单一的数据分析是不能解决一些深层次的问题,我记得之前有人问我,怎么从数据分析中能把握客群,分析客群.今天就从数据分析中得到这些内容,今天就到这里,明天会把质量控制的内容写一写,把一些问题回复一下,就到这里啦。
数据分析咨询请扫描二维码
CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2022-03-18CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01