一、对于数据
数据能够分为两类，一类为运营方针数据。一类为事务行动数据。
1、运营方针数据
比方DAU,PCU,LTV,ROI等常用的代表游戏现在线上运营状况的一些数据方针，用单个方针或许多个方针组合来反映游戏现在的线上运营状况，方针之间通常都有有关，经过有关界说变换核算取得。
举例：从游戏的用户数、收入和广告费三个多见简略数据来核算有关方针，用来衡量广告(用户)质量状况。(同理可衡量途径质量状况)。
2、事务行动数据
①数据获取：
用户在游戏体会进程中，被抓取的行动数据。如用户进行一场战役，完结一次采购，达到一个使命等等。在每一个方针完结的一起，会发生很多的进程数据，这些数据在经过挑选的状况下，将有用的数据经过数据日志记载，并存入数据库用来进行查询并剖析。
对于行动数据的ETL----在数据被记载到查询的进程，现已完结了大部分的数据ETL。由于日志需求现已在被履行前进行过事务模型的行动匹配挑选了，尽量有关到有关体系的行动模型，让记载的日志数据不零星，不冗余，意图是为了能在后期用SQL查询数据的时分功率更高(跟着用户数量的增加，运营时刻的推动，行动数据量会抵达必定量级)，数据获取更便利，以便留更多的时刻来剖析数据。
②数据查询：
在现已被记载的行动数据库中，用SQL进行查询。
为了确保数据的准确性和时效性，数据库查询权限应该是全数据表。由于数据需灵活获取，所以在非必要的状况下，通常不会费事程序同学协助获取数据(因素就好像核算机进程在履行的时分俄然被挂起)。
特殊状况：除数据入库时，未按惯例构造，且数据比照分散，在分库分表的状况下，需求查询数据量大且有关性较为复杂的方针数据的状况下，可能会需求BI童鞋或许服务端童鞋帮忙写Shell脚本或许别的脚本完成数据获取，可是这种状况通常较为罕见。
3、商场调研数据
一些商场的调研数据，也能够被记载被剖析，并得出一些定论，调研数据定论的有效性取决于调研数据的有效性。
二、对于剖析
1、剖析运营方针数据
经过每日的方针数据记载，进行单方针横向比照，或许多方针有关区别，联系实际，找出相对明显的规则，如周六的用户活泼通常都是一星期内最高的，最适合敞开付费活动等。
2、剖析事务行动数据
①游戏行动数据--玩家在参加有关游戏体系时发生的行动数据
这部分数据，用于剖析玩家在游戏中的体会，是不是在策划的希望内。若在希望内或高于希望，大快人心。若不低于希望，则从玩家行动数据反映脱离策划希望的因素，剖析玩家的行动倾向，估测违背因素，进行数据验证，客观给予策划必定的参考数据和有关主张(在对游戏规划有必定了解的状况下)，以便改善有关的游戏体系。比方游戏中多工作规划是不是平衡、关卡难度是不是合理、PVP体会是不是合格、游戏内经济(资本)体系是不是正常等等。首要是用来改善现在的游戏规划状况，让游戏经过数据支撑来取得非常好的迭代，更贴合玩家需求和策划预期。
做这部分剖析的条件是，对游戏自身的游戏性有深化的了解，对游戏规划有必定的了解。
②运营活动数据--玩家参加运营活动发生的行动数据
首要用来衡量运营活动的质量。在活动进行前，数据也能够供给有关的支撑，比方玩家更需求什么，更不需求什么，以便针对性的做活动投入。这部分数据对游戏商业化协助较大。
运营活动的偏向(拉新，拉付费，拉活泼)不影响数据支撑的有效性。
数据剖析只能在必定程度上进步现有的游戏体会，在运营活动中提早规避一些不必要的危险，在商场调研中给予有关的数据定论，一直恪守数据为辅，商品为主的理念。
