离职腾讯创业4年，又获2500万A+轮融资，他解决了运营的什么痛点？
利用数据驱动业务增长，是一门手艺活。文/依光流今天，以游戏数据分析服务为核心业务的数数科技公布信息，公司已完成2500万A+轮融资。将帮助中国的游戏公司把数据用好，以提供产品成功的概率，驱动游戏业务增长。这两年游戏相关厂商的融资消息越来越少，有好的项目也很难拿到行业外机构的投资。以数据分析服务为主业的数数科技，能够逆势而上拿下这个金额级别的融资，实属难得。据游戏葡萄了解，数数科技在今年的营收规模相比去年已经翻了一翻，经营利润也有成倍增长，此轮融资对他们来说更像是锦上添花。原因在于，他们的数据分析产品Thinking Analytics于今年很快在业内传开，渗透到国内各大厂商中。上半年，这套系统一共被几十家游戏公司使用，而到今年年底已经有近两百家游戏公司在使用了。这套系统通过底层大数据技术的创新，使得原本繁琐低效的数据分析变成了简单、便捷，高效的事情。于是通过早期几家注重技术和数据的厂商高口口相传，很快在业内扩散开来。而现在，使用Thinking Analytics的游戏公司已经包含大量业内知名的厂商，比如猎豹移动、中手游、英雄互娱、Habby、叠纸科技、中清龙图、疯狂游戏、电魂网络、雷霆游戏，等等。在近年来大热的中重度游戏、小游戏、超休闲游戏背后，可能都有数数科技的服务在做辅助。为什么游戏行业收缩的现在，有那么多厂商对数据分析有这么强的诉求，数数科技又是怎么发现这个机会，做出Thinking Analytics（后文简称TA平台）的？带着这些问题，葡萄君采访了数数科技创始人兼CEO吕承通，了解到他们的创业经过。
数数科技创始人兼CEO吕承通创业四年，从舆情分析做到运营分析四年前，吕承通离开腾讯，与一帮在大数据和游戏行业摸爬滚打多年的老战友创立了数数科技，由于长期与大数据业务打交道，他们的第一项业务瞄准了玩家的舆情分析。通过爬虫技术抓取玩家在外网的反馈数据，结合文本挖掘和自然语言处理的技术来分析玩家的情感，讨论的话题，以帮助项目组更好地了解玩家诉求，制定更好的运营策略。然而，这套舆情分析服务并没有收获太多的市场，原因在于，游戏舆情对大多数游戏公司来说，并不是刚性需求。于是吕承通开始思考，游戏行业到底需要什么样的数据分析服务？为了摸清楚关键点，他便找了十几家游戏公司的老板，深入了解他们在数据上的痛点。一番深入调研之后，吕承通和他的团队一起分析讨论，最终提炼出了大家在数据层面比较普适性的需求，而这些需求往往都隐藏在表像之下。大家对数据的认识基本都停留在数据分析层面，技术能力强一点的团队则有一定的数据挖掘的意识。但是大家很容易忽略在数据分析和数据挖掘这两个层面之下，还有两层基础的需求，一个是数据采集，另一个是数据获取。只有先解决了数据采集和数据获取的问题，才能在数据分析和数据挖掘层面有所建树。之前大家反馈的问题基本都是数据分析和挖掘的问题，但其实本源是数据采集和数据获取问题，而这两点，是可以通过在大数据技术上的创新来解决。
于是经过一番构思和设计之后，数数科技在2017年开始研发，通过两年多的产品迭代，产品已经非常成熟。如今TA平台支持海量数据秒级查询，支持八大分析模型、支持私有化部署，且可支持各种不同类型的游戏数据分析，国内和海外的业务需求均可满足。“刚开始，只有几家老板有技术背景的游戏公司用TA系统，后来他们用的效果不错，圈内其他公司也开始慢慢接触。《弓箭传说》的开发商Habby就是其中之一，他们刚成立的时候就选择了我们，而且对我们这套系统用得非常深入，进行了大量的二次开放，并且和其它系统打通，用于产品数据的实时监控和分析。因为他们的数据意识非常强，和他们合作的过程中也非常愉快。他们也帮我们推荐了好几家优质客户。”在谈到印象比较深刻的客户时，吕承通说，“有几家客户是一边裁员，一边采购我们的系统，这让我非常有感触。裁员是因为业务下滑，但是还会采购我们的系统，这也从侧面证明了我们系统对于客户的价值。也基本说明，我们这个事，做对了。”帮助游戏公司用好数据经过了几年的探索，数数科技的方向已经非常明确了。吕承通表示，长远上他们希望帮助中国的企业把数据用好，而近期的目标就是帮助中国的游戏公司把数据用好：“我们已经服务了一百多家游戏公司，但是我们发现要让企业真正把数据用好，并不是一件容易的事情。”
具体他们从三个层面来入手，一是提升国内游戏公司的的数据意识。数据意识是根本，尤其是公司的高层管理者，如果高层没有数据意识，公司就很难把数据用起来。在这点上，他们会输出一些优质客户的数据驱动案例，持续分享数据运营的方法论。二是提高游戏项目组的数据分析能力。如果具备了一定的数据意识，在比较了解业务的情况下，就可以进行数据分析。但不同的人员数据分析的能力不一样。不同的岗位所关注的数据分析场景也不一样。在这点上，他们会加强对项目组的数据分析能力的培训，输出一些游戏行业的数据分析方法论，同时会开发一些线上线下的课程，以提高从业者的数据分析能力。三是为企业构建数据基础设施，提供最好用的数据分析产品，这是数数科技目前主要在做的事情。通过几年的努力他们已经研发了一套从数据采集、存储建模、分析展示的一体化解决方案，并在此基础上封装了很多经典的分析模型，让业务人员能够快速进行数据分析，提高数据的使用效率。往后，他们还会加大第二层和第三层的投入，输出行业的数据分析方法和经验，提升客户的数据使用能力，让数据发挥出更大的价值。
关于如何理解把数据「用好」，怎么样才算是把数据「用好」，吕承通说：“好是相对的，也是动态的，是无止境的。尽管如此，我们还是需要将其量化。”所以，在数数科技内部，有专门的数据分析深度指标体系，吕承通介绍到，“将其数据化，可视化，不靠感觉，数据最有说服力。”同时，吕承通还透露，他们发现一个很有意思的规律，就是雷达图（代表了游戏公司的数据使用情况）面积越大的企业与做出成功产品之间存在很大的正相关性，也就是说，公司雷达图的面积越大，做出的产品成功率、赚钱概率是高于雷达图面积小的公司的概率。这也说明如果游戏企业数据用得好，作出符合市场需求产品的概率就越大。让运营策划像玩我的世界一样玩数据在实际学习使用TA平台之后我能强烈感受到，日常工作中接触到的数据，与通过这个系统能调用出来的数据之间，到底有多大的差别。一个是模糊笼统被限死的几个粗数，另一个则是可以细到单点又能串联出大量不同纬度的数据。而由于TA平台的底层逻辑与业务封装是剥离开来的，使得这套系统在分析功能上具备了极高的自由度，对于会玩数据的分析者来说，几乎可以实现自己想实现的任何维度的数据分析。但同时，也让这套系统有了一定程度的门槛。吕承通把它比喻成就像玩《我的世界》一样分析数据：“刚进入这套数据体系的时候是一片空白，所有的体系都由自己去搭建。每个人都可以创建自己的数据报表后台。”
要活用这套系统，则需要运用到其中的分析模型。TA系统最常用的一项分析模型是用户行为分析中的事件分析模型，它主要针对目标前后两个事件之间的关联来进行分析，所有的玩家行为都定义为事件。根据这个思路，在事件分析中又可以通过增加筛选条件，实现更细节的数据分析。比如分析某三个道具在iOS系统上的每日使用总量，可以选定分析对象为消费道具，追加筛选条件“iOS平台”且“道具ID为指定三个”ID分组，即可获得数据表和图标结果。
其中，只要数据还能细分，筛选条件就可以根据埋点的维度和分析师的需要，不断追加。比如看不同等级用户使用这些道具的量级。
不同渠道用户使用这些道具的量级等等。
通过这些基础操作，系统实时计算玩家的行为数据，生成分析师需要的、指定好的、任意的可视化数据结果，而且可以实时生成最新的数据。此外另一个常用分析模型是留存分析，它相当于是两个事件的关联性分析。比如游戏行业常说的次留、三留、七留、三十留，看起来是多个数据，但可以定义初始事件为新增用户新增设备，注册回访事件为登录，分析这两个数据，就可以得到新增用户每天的登录比率，对应每天的留存情况。
同样，通过增加筛选条件，可以进行分组，看不同渠道的留存，不同设备系统的留存。
如果改变筛选条件，将初始事件换成登录，那么之后回访事件是再次登录的情况，就相当于是活跃用户的留存。同样根据时间、设备、系统、区服等一系列条件，就可以筛选出具体某个条件下的活跃用户留存情况。
每日登录行为，与时间多少无关。在事件分析中，只需要选择新增用户这一对象，筛选他们的每日登录行为，就可以得到对应每一天的留存情况。还有一种常见的分析手段是用户群下钻分析，比如通过事件分析得到结果，12月10日有201人使用了一种道具，那么就可以点击人数查看对应的用户分别是哪些。
除了查看这些人群的细分属性之外，还可以点击角标为该组人群进行分组，分组完成后，又可以通过不同分析模型中指定这一群组为用户属性，来看他们后续的不同游戏行为表现，做更具针对性的数据分析。
比如查看这群用户在付费后七天内的活跃情况。
在上述基础的细分、下钻、组合等常见的分析思路之外，TA平台还设计了一些复杂的分析工具，比如通过编辑公式来计算每一关关卡胜率、通过累计人均充值来计算LTV、是用回访事件指定升级数来看新增用户花了多久升到十级，甚至是设计一条黄金转化路线来看每个节点的实际转化效果。此外，还有观测用户不同时段行为的分布分析模型，以及观测用户在做多件事之间行为串联的路径分析模型。TA平台甚至支持自定义虚拟属性，通过创建虚拟属性和虚拟事件，撰写表达式，来组合成为新的属性。再通过新属性，去定制化地对应不同场景进行分析。
在进行多维度的数据分析之后，分析师还可以选择保存数据，最终在主界面的看板中生成图表，而想要获得哪些不同维度的报表，呈现一份怎样的综合数据，就看分析师自己的思路和选择了。
结语TA平台从最初只有事件分析一个功能，变成了现在囊括行为分析、用户分析两大板块，总共八大分析模型的系统。在优化过程中，数数科技一直在吸收游戏厂商的核心诉求，去提炼新的功能，现在他们的优化需求，已经排到了明年四月份，厂商对数据分析的诉求十分旺盛，而且越来越多样化。这套系统集数据采集、存储建模、分析展示为一体，又集成了很多分析模型，其实已经降低了上手分析的门槛，更不用说它底层强大的数据处理能力了。能想象，对于那些重视数据的从业者来说，有这样一个便捷的工具对日常工作的帮助一定非常大。就像吕承通希望的，去建立一个数据分析的标尺，“让数据像水、电一样自由流通，拧开开关即可使用，人人都是数据分析师，人人都可利用数据创造价值。”他觉得数据分析这件事正在朝着正确的方向迭代，还有更多可以提升的空间。在今后的游戏市场上，随着产品生命周期拉长，越来越多的游戏还会继续加入精细运营的行列，经典老产品、优秀新品、新生代力作、大厂主力产品的混战，势必会愈发激烈。而如今，这场多方角逐的拉锯战当中，已经有一百多家厂商，借助深度的数据分析，开始摸索自己的方法论备战长线了。