游戏数据分析，跟其他行业的做法并没有本质的差别。但因着对游戏的热爱，所以分析与挖掘过程中会有很多乐趣，再因着玩家众多富有个性，就会发现自然、人文、社交方面的种种怪象，应当是乐趣与价值并存。

但近年来，不知道为什么，这类岗位的人员都越发“专业”——不苟言笑。原因是多方面的，从就业者的角度来看，最早一批移动游戏从业人员的年龄已经从二十出头慢慢熬到了三十出头，自身的生活压力会影响工作心情、态度；从岗位本身来看，中国的游戏数据分析的专职岗位开始范围冒泡大约在2013年，也算是IT时代到DT时代的一个征兆，但时代的变革存在很多的险阻、不确定性，也给从业人员带来了迷茫、压抑感；从中国游戏发展的角度来看，审核制、渠道分化、账目不清、寡头压制等情况都伴随着产业的政策导向，作为数据分析师往往存在个人意志、团队利益、公司价值观、产业发展等利益、道德的内心冲突。

话说回来，作为游戏数据分析师也可以独善其身，不用想那么多条条框框，认准数据挖掘的商业价值，在岗位上奉献青春即可。作为强心针，现举6个数据分析与挖掘的例子，参考如下。

应用漏斗分析法挖掘用户体验过程中的不足之处，从而进一步改善产品的用户流程。

利用AB测试法检验网页布局的变动对交易转化率的影响，从而确定这种变动是否有利。

基于RFM模型实现用户的价值分析，进而针对不同价值等级的用户采用各自的营销方案，实现精准触达。

运用预测分析法对历史的交通数据进行建模，预测城市各路线的车流量，进而改善交通的拥堵状况。

采用分类手段，对患者的体检指标进行挖掘，判断其所属的病情状况。

利用聚类分析法对交易的商品进行归类，可以实现商品的捆绑销售、推荐销售等营销手段。

在一款具体的游戏中，数据分析工作的落地场景其实异常丰富，这是因为一款游戏往往兼具多种系统功能，最常见大类的有属性、关卡、商城。