資料分析
，是產品運營極具戰略意義的一環；從巨集觀到微觀分析，通過表層資料探勘產品問題，是每個運營人的必修課。
5w2h分析法：what（使用者要什麼？）why（為什麼要？）where（從哪兒得到？）when（我們什麼時候做？）who（對誰做？）howmuch（給多少？）how（怎麼做？）
ps：（what）使用者要極品裝備！（why）因為他們要增強戰力（where）裝備從boss身上得到；（when）我們國慶節做這個活動！（who）針對所有玩家！（howmuch）boss爆率設定為xx（how）活動以怪物攻城形式進行。
上述是一種需求的轉換形式，就產品而言，又要以資料為支援，不能因某個元素而動整體；從大局出發，根據整體資料趨勢進行細化分析，那麼就目前而言的分析手法，又有對比分析、交叉分析，相關分析，回歸分析，聚類分析等等。
如果某款遊戲資料一直良好，某段時間資料突然跌落；是否因為市場宣傳力度減弱，是否因為使用者生命週期上限，是否因為其他競品衝擊……..
真正的資料分析不在於資料本身，而在於分析能力的概述；資料是參照物，是標桿，只有分析才是行為，是改變；那麼如何分析，綜合上面兩個舉例，已經可以很清晰的看到立體式分析。
立體式分析，也就是維度分析；產品資料的發掘不應該僅僅拘泥於產品；大環境下的娛樂產物必須綜合產品、市場、使用者進行不同切入點分析；要知道，資料分析是基於商業目的，而商業離不開使用者和市場；說白了就是結合不同維度進行有目的的資料收集、整理、加過和分析，他的存在價值就是通過資料提取有價值的資訊去優化產品從而拉更多人，賺更多錢。
[為什麼分析？]
首先，你得知道為什麼分析？付費同比、環比波動較大？
[分析目標是誰？]
資料波動，目標是誰？付費總額波動，付費使用者資料如何？
[想達到什麼效果？]
通過分析付費使用者，找到問題，解決問題從而提公升收入？
[需要什麼？]
想做出分析，需要什麼？付費總額，付費人數？付費次數？付費人數各等級佔比？
[如何採集？]
直接資料庫調取？或者交給程式猿匯出？
[如何整理？]
資料出來，如何整理付費等級、付費次數報表？
[如何分析？]
整理完畢，如何對資料進行綜合分析，相關分析？使用者資源是否飽和？市場其他明星產品充值活動更具吸引力？產品付費系統是否出現問題，是否失去新鮮感？
[如何展現？]
找準問題，老付費使用者流失了很多，低端付費轉化低；很多是多少？轉化低是什麼概念？如何用圖表表現？
[如何輸出？]
找準問題，如何輸出；如何將這份知識報表轉換為產品商業價值體系；如何說服程式？如何說服策劃？如何具體執行？如何將知識轉換為生產力？
上述是比較系統的分析思路，細化而言；對於資料分析，又需要我們根據不同人群建立不同的使用者模型；例如流失模型、流失特徵；充值模型等等。
acquisition（獲取）、activation（活躍）、retention（留存）、revenue（收益）、refer（傳播）
上圖為aarrr模型中的基本資料，我們再對以往資料進行總結：
日新增使用者數：dnu；每日註冊並登陸遊戲使用者數，主要衡量渠道貢獻新使用者份額以及質量。
一次會話使用者：dosu；新登使用者中只有一次會話的使用者，主要衡量渠道推廣質量如何，產品初始轉化情況，使用者匯入障礙點檢查。
日活躍使用者：dau；每日登陸過遊戲的使用者數，主要衡量核心使用者規模，使用者整體趨勢隨產品週期階段變化，細分可概括新使用者轉化、老使用者活躍與流失情況。
周/月活躍使用者：wau、mau；截止統計日，周/月登陸遊戲使用者數，主要衡量週期使用者規模，產品粘性，以及產品生命週期性的資料趨勢表現。
使用者活躍度：dau/mau；主要衡量使用者粘度，通過公式計算使用者遊戲參與度，人氣發展趨勢，以及使用者活躍天數統計。
留存：次日、三日、七日、雙周、月留存；表現不同時期，使用者對遊戲的適應性，評估渠道使用者質量；衡量使用者對遊戲黏性。
付費率：pur，統計時間內，付費使用者佔活躍使用者比例；主要衡量產品付費引導是否合理，付費點是否吸引人；付費活動是否引導使用者付費傾向，付費轉化是否達到預期。
活躍付費使用者數：apa；統計時間內，成功付費使用者數，主要衡量產品付費使用者規模，付費使用者構成，付費體系穩定性如何。
每活躍使用者平均收益：arpu；統計時間內，活躍使用者對遊戲產生的人均收入，主要衡量不同渠道的使用者質量，遊戲收益，以及活躍使用者與人均貢獻關係。
每付費使用者平均收益：arppu；統計時間內，付費使用者對遊戲產生的平均收入，主要衡量遊戲付費使用者的付費水平，整體付費趨勢，以及不同付費使用者有何特徵。
平均生命週期：tv；統計週期內，使用者平均遊戲會話時長，主要衡量產品粘性，使用者活躍度情況。
生命週期價值：ltv；使用者在生命週期內，為遊戲貢獻價值；主要衡量使用者群與渠道的利潤貢獻，使用者在遊戲中的價值表現。
使用者獲取成本：cac；使用者獲取成本，主要衡量獲取有效使用者的成本，便於渠道選擇，市場投放。
投入產出比：roi；投入與產出關係對比，主要衡量產品推廣盈利/虧損狀態，篩選推廣渠道，分析每個渠道的流量變現能力，實時分析，衡量渠道付費流量獲取的邊際效應，拿捏投入力度，結合其他資料（新增、流失、留存、付費等）調整遊戲，進行流量轉化與梳理。
以上是關於資料的一些概括，對於資料分析，需要我們以理性的眼光對待；因為各家對相關資料定義不同，演算法不同；在對資料進行分析時需要我們看清分析誤區，綜合其他資料進行分析，根據自己的資料分析思路制定相應的分析方案，切不可盲目分析，粗暴分析。
最後值得注意的是精細化的運營資料分析工作，思維不能亂，思維亂了，全盤皆亂；這時候的資料分析也無法提供正確的考量價值，如果覺得資料分析毫無頭緒，雜亂無章；冷靜下來，理順思路，有大概的資料構思之後再做行動；只有這樣才能培養自己嚴謹的邏輯分析能力。
資料分析基本思路及手法
資料分析，是產品運營極具戰略意義的一環 從巨集觀到微觀分析，通過表層資料探勘產品問題，是每個運營人的必修課。首先，我們來看比較常見的分析方法 5w2h分析法 what 使用者要什麼？why 為什麼要？where 從哪兒得到？when 我們什麼時候做？who 對誰做？howmuch 給多少？how 怎...
快寫 基本思路及模板
快讀也可以了解一下 先從c 自帶的輸出開始吧 cout 這是最基本的輸出，適合初學者 雖然我到現在都還在用 然後稍微快一點的輸出 printf d n 這個就比較快速了，但是對於那種毒瘤題目 故意卡你的話輸出都可以超時 那麼快寫就應運而生了。雖然不知道為什麼，但是在c 裡，輸出字元比輸出數字快得多。...
ASC超算競賽及基本思路
目錄 設計超算集群 看參考文獻做設計 對超算集群進行效能測試 一般來講的測試工具就是用hpl，找到最適合的引數，達到最優秀的計算能力 數字影象處理 通常 量較大，優化較為困難，優化偏重於編譯引數，執行引數和數學庫blas的重新鏈結，對於熱點可以考慮並行 讀寫 演算法 氣候 這個需要做的就是優化 目的...