游戏数据分析
每一个游戏制作者都想制作出一款让玩家满意的游戏。但是作为开发者，如何知道哪些点是让游戏玩家满意的，哪些是不满意的？今天我们就聚焦这些点来进行讨论。
没有什么是比从实际玩家那里收集真实数据来更好的了解玩家行为了，比如：
- 参与度数据可以帮助了解玩家在游戏中的时长
- 游戏内的数据可以调整和平衡游戏的难度
数据分析能够让游戏制作者做出明智的决定，这些决策都是由数据驱动的，而不必猜测玩家的需求。游戏上线只是这场旅行的开始，对玩家的实时洞察，了解如何更好的留住玩家，持续获利创造持久的游戏生态才是直观重要的。
上述我们介绍了“数据”的价值在整个游戏生命周期的重要性，但作为开发人员，我们就会想，游戏中会发生太多事情，我们要收集分析什么数据？比如：
- 玩家一次玩多久？
- 玩家喜欢选择什么角色？
这些是否算数据分析方面的问题呢？我认为这当然算问题，而且这些简单问题的答案往往就是我们最关心的哪些数据是要被收集的。假如在玩家选择角色的时候做一次数据上报，有了这个数据，我们就可以知道角色受欢迎的程度，那么接下来我们就可以根据每位玩家在游戏中对角色的使用探查游戏的平衡性，以及不受欢迎的角色是否为美术风格不受大家喜欢等等。
在数据分析过程中，我们还是要遵循科学的方法，那就是：提出问题 -> 分析问题 -> 提出假设 -> 验证假设 -> 输出结论 ，然后再次提出新问题，往复循环。最重要的是先拥有一种最最简单的方法先来收集各项数据，以便可以在任何维度来进行此循环。
腾讯云赋能游戏数据分析
图 1上图中大家可以看到腾讯云在数据分析领域的总览图，其服务可以覆盖大数据处理的各项流程（下图）
图 2数据收集
在上个章节的最后，我们提到数据的收集，收集只是数据分析流程的开始，也是数据上云的第一个环节。
腾讯云为数据上与提供两条路径：
- 直接使用腾讯云日志服务，数据通过日志服务的API或者LogListener agent 进行上报。
- 使用开源工具直接上报至 CKafka 中，Ckafka 可以接入多个消费者来根据不同维度来消费数据。
数据存储
存储环节中， 腾讯云支持多数据类型的存储
- 日志服务（CLS），如果日志不进行二次投递，日志可以存储在日志服务中长达90天，当然我们推荐把日志落在对象存储中（COS），既便宜又可以方便未来在其他服务中做数据的抽取。
- 消息队列（CKafka），CKafka 可以当做日志暂时存储的空间，数据被消费后进入COS，可以有效控制成本，还可以得到12个9的持久性。
- 对象存储（COS），这个服务就不多赘述了，作为数据存储的核心，在腾讯云数据分析领域有着不可替代的角色，可以配合 EMR 和 数据仓库（CDW）使用。
分析/处理（ETL）
在此环节中，腾讯云提供不同维度数据处理服务
- 弹性MapReduce（EMR），提供弹性的大数据Hadoop 托管服务，存储方面可以选择COS和CHDFS 做为存储介质，由于计算存储分离实现了数据与计算集群（EMR集群）的生命周期解耦，进一步降低数据计算部分的成本。
- 流计算（Oceanus），是基于Apache Flink构建，提供可视化的交互界面，通过图1看到可以无缝对接各种数据源，如COS，CKafka等。
- 云函数（SCF），云函数可以由CKafka Topic 消息触发，对消息进行处理，帮助用户实现日志聚合、消息存储等功能。使用场景不要太繁重，轻量型的数据。
- 数据仓库（CDW），是一款兼容Greenplum 的开源数据仓库，基于分布式大规模并行处理MPP架构，快速、经济高效的PB级云端数据仓库解决方案。并且结合COS，不仅是存储，还可以直接对COS中的数据直接进行分析。
- 腾讯云 Elasticsearch Service（ES）是基于开源搜索引擎 Elasticsearch 打造的，并集成了常用插件，并且可以支持热-温数据分离。
- 腾讯云 TI - ML 集成了数据接入，特征工程、模型训练等模型全生命周期管理的AI服务。
数据可视化
在数据可视化方面，腾讯云除了自家的产品外，还可以结合开源产品做进一步展现
- 商业只能分析（BI），为开发者提供拖拽式自服务操作交互方式，几分钟完成一套数据可视化报表，并且可以支持多种数据源类型，比如MySQL，PostgreSQL，MongoDB，Hive等。
- 腾讯云提供时序数据库（CTSDB），提供高效读写、高压缩比存储、强大聚合分析功能的时序数据库，结合开源Dashboard grafana ，可以展现出实时数据。
结论
以上就是腾讯云在游戏数据分析领域的赋能，了解玩家的行为吸引玩家，留住他们并最终创造出有趣的游戏是至关只要的。通过腾讯云提供丰富的分析服务来分析复杂的数据，可以轻松地从中找到答案，让开发者更专注于制作出色的游戏。
