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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27