一、为什么要做数据分析
在企业竞争越来越激烈，获客成本越来越高的背景下，如何高效地优化产品和精细化投放运营是当前企业竞争的关键，而用户数据分析正是我们保持此竞争力的重要手段（难道还有别的手段？有，靠抄袭，靠砸钱），我们通过数据来驱动用户增长、降低成本和提高收益。
当下互联网的行情不太好，大家也知道，企业们也在“勒紧裤腰带过日子“，盲目扩张、砸钱抢市场的情况在当下会收敛很多。
二、数据分析的各个环节
2.1 概览
首先我们先看一下数据源，没有数据，我们的数据分析就无从谈起。数据源包括很多种，我们最常见的是埋点和业务DB中的数据以及二次加工的如统计和挖掘出的数据。
有了数据源，我们也不要着急马上去写sql查数，我们看一下有哪些工具来支持我们去做数据分析。企业提供了除了非常基础的sql(也算是一种编程)和代码编程外，还有很多好用的工具，比如可视化查询、分群圈选和当下热门的行为分析工具。
可视化这一块，其实并不是独立的部分，很多分析工具里集成了可视化的能力，但是为了方便同学们理解，我们单独拎出来这一块来讲解。
而指标体系是我们数据分析的脉络，我们做个各种分析其实都会围绕着指标体系来做。指标体系会在真正开始建设之前就进行规划，并在业务发展过程中不断完善。
2.2 手游业务指标体系示意图
2.3 数据源
业务DB数据大家会比较熟悉，常见的是一些关系型数据，我们不展开讲了。这里我们详细讲一下埋点数据。
埋点数据是什么呢？它是指上报的记录着触发原因和状态信息的日志数据。按照上报方来看，可以划分为“服务端埋点”和“客户端埋点”。按照上报形式，可以划分为“代码埋点”、“可视化全埋点”。企业最常用的是代码埋点。
埋点包含哪些要素呢？who when where how what how_much。举个例子：“张三”于“北京时间2022年1月2号12点整”在“游戏商城”用“xx支付”的形式“充值”了“500元”钻石。那企业中埋点数据上报的格式是什么样呢？我们看下面这个例子：
这里我们可以看到，除了上面那些参数外，还会上报很多其他属性，这些属性是我们极其常用的，所以企业内的sdk默认会采集上报。
了解了埋点的格式之后，那我们需要在什么时候上报呢？这个就跟具体的业务场景有关系了。你要分析什么数据就在对应的时机采集埋点数据。
2.4 分析工具
2.5 数据可视化
三、数据分析的流程和案例
3.1 分析流程
3.2 案例 - Acquisition 获取
广告素材分析如下：
一些概念：
- 激活CPA：平均获取1个新增设备花费的成本
- 新增CPA：平均获取1个新增账号花费的成本
- 次留：当天新增的用户有少比例在次日又活跃了
- 3留：当天新增的用户有少比例在第3日又活跃了
- 2日LTV：平均每个用户前两天带来的收入
- 2日ROI：2日LTV/新增CPA
通过这份数据，大家觉得应该优先加大哪个素材的推广力度呢？
3.3 案例 - Acquisition 激活
新用户激活转化分析数据如下（漏斗图表示每进入一个环节都有部分用户流失）：
如果某一步出现很低的转化率，你有什么优化建议吗？
3.4 案例 - Retention 留存
玩法参与率统计如下：
3.5 案例 - Revenue 收入
3.6 数据分析常见问题
- 上游数据质量不高
- 不验证就全量上线
- 优化策略短期有利而长期有损
- 过分挖掘用户信息，不注重用户隐私保护