搭建数据库进行数据分析

数据是一个重要的内容，对于策划设计有极大帮助，功能设计之前可以了解玩家画像、养成状态、游戏习惯，为设计提供先验支撑。

功能上线之后，可以得到实际的效果反馈，如参与率、消耗ARPU、通过率，以便复盘后验，为后续调整和开发新功能提供经验。

同时数据也是一个庞大的工程，需要埋点、创建数据库设计字段、清洗数据、入库、SQL查询与初步聚合、Python-pandas高阶处理、Excel透视表聚合与报表。

本人在拳皇项目中实际搭建了一套数据框架，从建库到分析，虽然整体规模不是很庞大，但是流程完整，并且数据内容非常核心重要，直接影响了后续开发决策，使项目收入喜人。

以上是一些SQLite数据库中的原始数据，实际上它已经对数据进行一定的初始聚合了，而非按照消息六要素记录的最小粒度数据。

通过VBA调用DLL库，执行SQL语句，再次聚合数据，缩小数据规模，使数据行在100W以内，以便Excel接手后续分析。

如果数据需要一些比较复杂的运算处理，在这里还会使用Python-pandas进行运算，例如桶分析等。

使用Excel透视表再次聚合数据并生成报表，上图内容是一个月内，各VIP玩家，通过各途径的“有效耗钻”，这是一个我自创的指标，解决了钻石与钱的科学换算问题。

历次格斗家限时售卖情况对比分析，用于研判各格斗家的买账程度，并分析其原因。

实际上相关数据分析项目很多，篇幅有限无法展开，例如常规运营数据、新手引导打点、新区、等级、战力、VIP、充值、礼包、各系统业务数据、国服日服其他项目等。

拳皇中玩家的游戏数据是保存在MongoDB里面的，因此我也写了一套执行No-SQL语句的工具，方便分析玩家状态数据，为系统设计提供依据。

上图是对原版的MongoDB账号数据进行整理处理并保存的语句脚本，预处理的目的是方便后续在Excel中做查询聚合