请上传宽度大于 1200px,高度大于 164px 的封面图片
    调整图片尺寸与位置
    滚轮可以放大缩小图片尺寸,按住图片拖动可调整位置,多余的会自动被裁剪掉
取消
帆软用户56NpMsUivK(uid:2270910)
战力天花板 职业资格认证:尚未取得认证
【2023BI数据分析大赛】王者荣耀赛事数据运营分析
王者荣耀赛事数据分析 作品概况 本作品以“王者荣耀赛事数据分析师”的视角,通过KPL(王者荣耀职业联赛)历年比赛数据,从数据分析师分析应该如何从战队角度、选手角度、英雄角度来为接下来的比赛做准备。 一、选手简介 1、选手介绍 团队名称:北辰客 选手介绍:林洪,现在就职于某科技公司上班,主要从事数据分析工作。工作之余喜欢打打“王者荣耀”这款游戏,然而由于实力太菜,一直徘徊在王者低星段位。 希望能通过这个作品,了解王者游戏里面的各个英雄优缺点之后,助我上星哈哈。 2、参赛初衷 希望通过比赛实践提升BI工具的使用方法和技巧; 从“数据分析师”的角度来分析一款热门游戏很有意思; 二、背景介绍 《王者荣耀》是腾讯天美工作室推出的MOB类型国产竞技手游,是当下最热门的一款游戏之一。王者荣耀中的玩法以竞技对战为主,玩家之间主要是以游戏中的虚拟英雄进行5V5等方式的对战,英雄定位可分为法师、战士、坦克、刺客、射手、辅助,不同的英雄拥有不同的属性和技能,是一款推塔类型的游戏。 我是一个王者荣耀的业余玩家,常年稳定在王者的低星段位。在忙碌的工作之余找几个好友开开黑,也算是非常开心的事情了。然而我本人手残,现实中常常是“一顿操作猛如虎,战绩一看0-5”。后来我发现,王者荣耀这款游戏除了依靠个人操作,其实“赛后数据复盘”也是非常能左右比赛结果的。用小团团的话来说就是“虽然我游戏打的菜,但是“做数据分析”,我是认真的”。后来看到了KPL的比赛,发现每个战队都有“数据分析师”的身影,这个角色就类似电竞职业战队的大脑,要对战队、选手以及比赛的各个方面的数据进行收集整理和分析,进而对自己和对手战队团战偏好打法风格进行对比。简言之,电竞数据分析师就是利用自身专业技能化身成为“资深军师”一般的存在,也是电竞行业之所以持续热门和发展壮大的最强“辅助”职业之一。 目前战队数据运营师的主要工作岗位目前主要有五个方向: 1、设计和制作相关数据分析报表和职业联赛日常统计表; 2、发现并指出版本或者比赛中数据异常情况,对选手状态变化和版本更迭提出预警和建议,为教练及时决策提供保障和参考; 3、通过数据分析对战术创新提出指导性意见; 4、依据比赛的需要,统计不同队伍的赛事数据,并负责相关文档编写归纳工作; 5、协助教练进行训练复盘,并从数据角度分析,为教练、队伍和队员提出有建设性的意见。 通过详细的数据支持,教练和选手能更好地发现问题出现在哪里。电竞行业也将像传统体育行业一样,越来越专业化。因此这强烈的萌生了我用“数据分析”的视角来“玩好”王者荣耀这款游戏。所以接下来的报告内容,我将转化身份从一名王者荣耀的“玩家”变成“战队数据分析师”。因为报告中会涉及较多的游戏术语,需要读者有一点点王者荣耀游戏的基础(最好钻石及以上段位)。所以我在“术语介绍”汇总了一些关键词汇供读者快速了解。 术语介绍 (王者玩家可以跳过此版块,希望评委老师也有打王者吧哈哈) (1)B/P:ban是禁止对方选择的英雄,pick选择己方的英雄。 在选择英雄前,双方各两次机会ban(即禁止)两位英雄上场,一般都会把强势英雄或者对方尤为擅长的英雄给禁赛,然后再在剩余的英雄中进行pick(选择)。 (2)KDA:人头、死亡、助攻计算出的数值。 (3)控龙:得到远古生物的控制权,提升全队属性。 (4)一血率:比赛过程中率先拿到第一个完成击杀的队伍。 (5)分路:王者荣耀路线分为:发育路,对抗路,中路,打野,游走。 1、发育路:一般由射手来承担这个位置,地形较为安全,非常适合发育前期击子发育路的法师小兵可获得更多金钱,拥有2到3件核心装备后可游走支援,寻求团战机会。 2、对抗路:一般由战士或坦克来承担这个位置,对抗路地形较为危险,需谨慎发育,前期击杀对抗路法师小兵可获得更多经验,有机会可配合打野或中路对故方进行埋伏夹击。 3、打野:一般由刺客或战土来承担这个位置,他们游走支援能力较强,前期主要遇过击杀野怪获取金钱和经验,也是前期升级最快的位置,快速达到一定等级后可与队友配合,对敌方进行埋伏夹击。 4、中路:一般由法师来承担这个位置,中路的兵线距离最短,且物理防较高,而法师普遍有着较高的法术伤害,中路法师可以快速清理兵线井进行游走支援。 5、游走:一般由辅助或坦克来承担这个位置,辅助对金线需求较少,自保和保人能力较强,购买游走装备后,不会影响队友经济经验获取,前期与打野或射手一起行动提升进攻效率及提供保护。 数据来源:王者荣耀官方 3.1 当前赛季(2023年夏赛季)各战队数据: 网址:https://pvp.qq.com/matchdata/index.html 主要的内容为当前赛季的组别、积分、胜场、KDA等数据。因为我是在8月2日提取开始动手收集的,因为以下的数据截止到2023年8月1日。 图:官网数据——当前赛季各战队/选手/英雄数据 这个网站虽然好,但是并没有数据下载选项,并且文字也无法直接复制。后来只能先把网页内容截图保存,然后在使用OCR工具识别数据,总体操作起来十分繁琐。 3.2 王者荣耀职业联赛历年数据: 网址:https://datamore.qq.com/project/wzmatch/dist/index.html#/ 这里面包含来非常详尽的信息: (1)选手数据:每个队伍每个选手的表现情况,包括常用位置、比赛场次、kda等指标。 (2)战队数据:每个战队的比赛场次、场均击杀、场均助攻等指标。点击单个队伍名称还可以看到该队伍的战队概况、ban/pick、对手ban/pick、英雄统计、比赛统计、转会记录等信息。 (3)英雄数据:每个英雄的pick场次、胜率、热度等指标。 而且最最最令人感动的一点是,这个网站竟然有“下载”选项,也就是说不用耗费大量的时间去写python去爬去相关的数据,感动到令人发指! 其他剩余的数据源通过简单整理就可以获得(例如:未来赛程安排、微博粉丝数及投票热度等数据) 四、可视化报告第一模块——当前赛季局势分析 4.1分析思路 了解本赛季比赛中那个队伍的胜率最高,综合指标最全面。以及了解每个赛队的详细数据和未来的赛程安排,让教练和选手对当下赛季有一个直观全面的认识。 4.2可视化报告 通过绘图工具画出大致的框架: 形成可视化报告: 4.3结论及分析 (1)指标卡:单独通过并列的指标卡来突显某项指标最强的队伍 结论:从目前数据(截止到8月1日,下同),“胜率最高”和“暴君控制率”最高的队伍都是成都蓉城队,而KDA最高的是“广州羊城队”,微博夺冠大热门为武汉江城队。 (2)四象限图:使用四象限图来展示各个队伍的实力分布,横轴代表的是攻击性,纵轴代表的是防守性。采用“一血率”来当做队伍的攻击性,高端局中拿到一血率的队伍经常能拿到更多经济并通过滚雪球的方式扩大优势,是影响比较的关键因素。采用“分均承受伤害”来当做队伍的防守性,有些队伍比较喜欢拿肉坦或者硬辅来扛伤从而把比赛拖到后期节奏。 结论:从四象限图中可以看出深圳鹏城队、佛山飞鸿队和广州羊城队等队伍都属于进攻性较强的队伍,比较喜欢“打架”。但是从防守性来看的话,三个队伍里面广州羊城队的防守性会相对较差。 (3)词云图:使用词云图来展示微博投票的热门夺冠队伍 结论:“武汉江城队”和“成都蓉城队”目前是人气最旺的两个队伍。 (4)明细表:使用明细表来展示队伍的实力和未来的赛程安排。 结论:教练或者选手可以在这里了解每个队伍的实力,并为接下来的赛程做好准备。 五、可视化报告第二模块——单个战队分析 5.1分析思路:了解某一特定战队的实力。尤其是重点分析下轮比赛将要碰到的对手实力。 5.2可视化报告 通过绘图工具画出大致的框架: 形成可视化报告: 5.3结论及分析 (1)筛选框:通过筛选框来选择要查看的具体战队的名称。 举例:当你的队伍接下来碰到的队伍是“成都蓉城队”,这个时候我们筛选框选择“成都蓉城队”,就可以看到成都蓉城队的各项指标。 (2)指标卡:通过指标卡来选择要查看的某个队伍的具体指标。 举例(接上):我们可以看到“成都蓉城队”的“一血率”为51%,属于中等水平,这说明“成都蓉城队”的打法偏向于“稳扎稳打”。场均主宰数为0.7,表名该队比较喜欢拿对推进更有作用的主宰。作为我队,就可以在主宰刷新前蹲伏在附近草丛伺机,等“成都蓉城队”准备击杀主宰时对其发动突袭。 (3)自定义点地图:通过点地图来选择要查看的某个队伍的选手分布情况。 举例(接上):我们可以看到“成都蓉城队”的对抗路是“安蓉忆”,中路是“生蓉长”,打野是“意蓉钟”,射手是“光荣极”,游走是“c蓉猫”。 六、可视化报告第三模块——战队pk分析 6.1分析思路:了解两个特定战队的实力对比。主要是分析己方战队和敌方战队的常用/常被禁用英雄,并做出赛前策略的安排。 6.2可视化报告 通过绘图工具画出大致的框架: 形成可视化报告: 6.3结论及分析 (1)筛选框:通过筛选框来选择要查看的具体战队的名称。 举例(下同):当你所在的队伍是“武汉江城队”,而接下来要遇到的队伍是“成都蓉城队”,这个时候就可以筛选出把两个队伍筛选出来。 选手实力PK:用于了解两个队伍不同分路的实力对比。 举例:从《各分路相对评分》图中可以看到成都蓉城队在”中路、游走”的实力高于”武汉江城队”,打野和对抗路的实力不想上下,而我们队伍在“发育路”实力较为领先,这个时候就可以采取扬长避短的打法。在劣势的”中路”采用拖延战术,尽量猥琐发育。而将重点放在发育路资源的争夺上,打野要多帮助发育路扩大优势,战术的打法就是“避其中路锋芒,扩大发育路优势”。 (3)常用英雄pick:了解两个队伍最常用的英雄。 举例:从英雄来看,对手队伍“成都蓉城队”更擅长使用的是“公孙离、夏洛特、夏侯惇、姬小满、孙膑”这几个英雄,而我方队伍的常用英雄是”姬小满、公孙离、孙尚香、安其拉、赵怀真”等。这里值得关注的是,“公孙离”和“姬小满”都出现了在敌我双方的常用英雄榜上。作为“武汉江城队”的战队分析师,如果我们是先手选英雄的一方,我会秉着“走别人的路让别人无路可走”的战术,我会在BP阶段优先选用“公孙离、姬小满”这两个英雄,避免被对手选用。但如果我们是后手选英雄的一方,我会秉着“我得不到的你也别想要”的战术,我会在BP阶段直接禁用“公孙离、姬小满”这两个英雄,也同样避免被对手选用。 (4)对手常用英雄BP:了解两个队伍的对手最常禁用的英雄。 举例:可以了解队伍“成都蓉城”在历次比赛中,对方对手的禁用策略。俗话说“敌人的敌人就是朋友”,可以考虑借鉴其他队伍策略,集思广益用来选择禁用策略。假设我们看到“成都蓉城”在历次比赛中,“大乔、沈梦溪、鲁班大师”是高频被禁用的英雄,则我方在禁用参考并沿用对手的高频禁法,也选择禁用同样的英雄。 (5)各赛季英雄走势图:了解两个队伍的历年来各个比赛获得的最佳成绩,能为直观的了解两个队伍的实力。 举例:从图中可以看到两个队伍都曾获得过“冠军”光环,示例可不分上下。“成都蓉城队”曾经获得过2019年KPL执业联赛秋季赛冠军,而我方“武汉江城队”则获得过2019年KPL职业联赛春季赛冠军和2019世界冠军。虽然我方曾经取得的荣耀更多,但从最近一次比赛(2020KPL职业联赛春季赛)来看,成都蓉城队获得了亚军,而我方武汉江城队却为进入季后赛,因此接下来的比赛依然不可轻敌。 七、可视化报告第四模块——英雄选择 7.1分析思路:王者荣耀每个版本都会对英雄的技能技能进行调整。因此要了解当前版本下每个英雄的属性,包括最佳的英雄搭配组合,还有能克制该英雄发挥的反制英雄,主要用于比赛中的BP阶段。采用的数据是近万场王者高端局中队伍的选择组合(当A选择某英雄甲,在计算己方选择的各个英雄的出现概率,视为增益英雄出现概率;当A选择某英雄甲,在计算敌方选择的各个英雄的出现概率,视为克制英雄出现概率)。 7.2可视化报告 然后我们通过绘图工具画出大致的框架,这里制作的思路是:因为“增益英雄”和“克制英雄”虽然是完全相反的两个属性,但是其指标的展示可以用同一个模板,因此本模块采取的是上下的结构,顶部放的是”增益英雄”,底部放的是“克制英雄”。 形成可视化报告: 7.3结论及分析 (1)筛选框:通过筛选框来选择要查看的英雄。 举例(下同):选择“公孙离”这个英雄进行分析。 (2)词云图+桑基图:了解选择某一特定英雄之后,最增益(克制)的英雄的名称。用“近完场上场率”来控制词云的大小和颜色。用桑基图直观展示搭配上场率率最高的组合。 举例1:当我们选择“公孙离”这个英雄之后,可以看到增益性第一的英雄是“大乔”,深入分析之后我们可以发现公孙离的留伞机制(回到伞点)与大乔的2技能(传送回程)相结合,能够打出出色的续航效果。同时,大乔的控制技能也能为公孙离提供更好的输出环境。他们能够有效地延长队伍的生存时间,并在战斗中提供强大的控制能力。 同理可以发现:马可波罗+瑶、孙尚香+太乙真人、鲁班七号+鲁班大师、百里守约+墨子是非常好的增益组合; 举例2:当我们选择“公孙离”这个英雄之后,可以看到克制性第一的英雄是“黄忠”,深入分析之后发现黄忠开大期间有双抗加成,并且黄忠的大招是公孙离二技能无法阻挡的输出类型。 同理可以发现:“狂铁、吕布、猪八戒” 被 “马可波罗”克制、“王昭君、甄姬、白起”被庄周克制、诸葛亮被李白克制、貂蝉被张良克制。 最后,我们还可以通过明细表:了解每个英雄的详细数据,包括上场率等指标。 八、结尾 最终整个仪表板的样式为:       九:参赛总结 1、FineBI工具 ● BI6.0的版本真的是太舒服了!跟5.1的版本相比多了协作功能。以前在公司使用5.1版本开发的时候,碰到协作每次都是要让同事把模板另存过去改,改完在另存回来,导致每次一个项目都会产生N种版本! ● BI6.0版本的函数定义功能也超级强大,尤其是DEF_SUB和EARLIER的函数,大大丰富了分析维度! ● 另外6.0的“主题”模块相比5.1,可以直接看到仪表板用到的数据,更方便数据查看。现在我们公司用的还是5.1的版本,每次查看组件使用到的数据,还需要新开一个网页到“数据连接”那个模块去查看,新功能真的不错!给开发人员加鸡腿! 2、参赛总结 做完这个仪表板之后,我的王者段位和BI技能都有明显提升嘿嘿~   附件: 王者荣耀赛事数据分析-作品介绍.pdf (12.42 M) 王者荣耀赛事数据运营分析.pdf (14.33 M)
【转】A银行理财产品购买预测
(2022年团队共同作品,自己转存一份作纪念) 作品概况 本作品以“某银行理财产品购买预测”为分析诉求,从A银行的 “销售渠道、客户构成、成品构成、购买分析、模型输出”进行分析,选取厦门某企业的脱敏数据进行脱敏分析,引入“RFM、帕累托、K-MEANS”相关模型,提供“把合适的商品推荐给潜在购买用户”的决策建议。 一、选手简介 1、选手介绍 团队名称:北辰客 选手介绍: 林洪,毕业于厦门大学管理学院,就职于福建某公司。主要从事数据分析工作,个人感兴趣的方向和领域——可视化和建模(赚钱)。 洪柯南,毕业于厦门大学人文学院,主要负责作品美化及板块布局。   2、参赛初衷 希望通过比赛实践提升BI工具的使用方法和技巧 公司准备在部门内推广BI工具,学习了解一下 大赛奖励很诱人   二、作品介绍 1、业务背景/需求痛点 业务背景:随着科技发展,厦门某A银行陆续打造了线上线下、丰富多样的客户触点,来满足客户日常业务办理、渠道交易等需求。面对着大量的客户,A银行需要更全面、准确地洞察客户理财需求。 需求痛点:在实际理财产品业务开展过程中,A银行需要挖掘不同理财产品对客群的吸引力,从而找到目标客群,进行针对性营销。   2、数据来源 表名 描述 数据来源 公司对比行业获客渠道 记录A银行和行业在不同渠道的获客占比 银监会公布相关报告 交易流水表 记录每个用户近两年的交易情况 天池大数据竞赛企业提供数据 APP行为表 记录每个用户在APP的点击次数 天池大数据竞赛企业提供数据 银行概况 记录各城市各月份的进出港人数 该企业公布年报 银行网点分布 记录A银行在各城市的网点 该企业公布年报 附录1:FINEBI数据连接   3、分析思路 作品按照“银行概况”、“客户分析”、“产品分析”、“购买分析”、“模型输出”总共分为五大模块。 3.1银行概况 3.1.1待解决问题 俗话说“知己知彼方能百战不殆”。在开始正式的分析之前,所以需要了解银行的主要战略重心,以及在渠道拓展的不足之处,提出渠道拓展建议。 3.1.2分析思路 先通过《资产情况》、《用户分布》了解A银行的经营概况和战略重心。通过《获客渠道》了解A银行的渠道构成。 3.1.2结论及建议 ①建议A银行构建起“以内地为主体、以港澳为两翼”的“一轴两翼”战略布局。 ②建议A银行提升其线上运营能力,打造年轻人喜欢的爆款产品,例如与“知乎、网易云、斗鱼”推出联名卡。   3.2客户分析 3.2.1待解决问题 了解A银行的用户变化情况,对用户进行分类,预警出“最有可能购买”“最有可能流失”的用户。 3.2.2分析思路 采用的是“RFM模型”来对客户价值的影响因素进行全面分析。通过分析客户特征,评估客户价值,从而为客户制订相应的营销策略与资源配置计划。 最近一次消费时间(R)/ 最近一段时间内消费频次(F)/最近一段时间内消费金额(M) 3.2.3结论及建议 ①A银行的月流失客户数也相对较高,导致净增量不足,建议A银行要重点关注客户流失问题。 ②部分客户购买金额虽然大,但是其复购率不高,是需要重点挽留的对象。   3.3产品分析 3.3.1待解决问题 了解A银行的产品欢迎度情况,了解用户最喜欢购买的产品特征。 3.3.2分析思路 1)计算不同品类商品累计销售额及其占比,2)按照累计销售占比将品类分成几类,示例将品类按照累计销售额占比 3.3.3结论及建议 ①建议在官网及APP的首页增加热门畅销产品的宣传界面。 ②2.建议A银行加大对“避险类”产品的研发力度。 ③建议A银行推出了具有“防疫”主体的特色产品。   3.4购买分析 3.4.1待解决问题 了解用户在下单过程中的痛点,打通下单的“最后一公里”。 3.4.2分析思路 通过“漏斗分析模型”,反映用户行为状态以及从起点到终点各阶段用户转化率情况。用户从首页进入最终完成支付的行为,大多需要经过几个环节,从理财产品浏览——查看产品详情——加入购物车——生成订单——风险等级评估——完成支付。这其中的每个环节都有一定的转化率,该模型通过监控用户在流程上各个层次的行为路径,寻找每个层级的可优化点,提高用户在每个层级之间的转化率,最终来提高总成交金额。 3.4.3结论及建议 ①考虑到当下全球疫情的持续蔓延,A银行也迫切的需要进行“线下转线上”的策略转换。 ②建议一是对境内客户多科普理财风险知识,二是针对境外客户丰富支付方式。 ③建议A银行迎合后疫情时代客户的消费习惯,主攻后疫情时代的线上平台。   3.5模型输出 3.4.1待解决问题 了解用户在下单过程中的痛点,打通下单的“最后一公里”。提供一个给定用户,通过分析其行为与已经用户的匹配度,预测该用户是否会成功下单。 3.4.2分析思路 模型①:购物篮分析通过购物篮分析找出什么样的理财产品应该放在一起。通过顾客的购买行为来了解是什么样的顾客以及这些顾客为什么买这些产品,找出相关的联想规则,并通过这些规则的挖掘获得利益与建立竞争优势。模型②:K-MEANS聚类分析K-Means(K均值)是聚类最常用的方法之一,基于点与点距离的相似度来计算最佳类别归属。针对每个点,计算这个点距离所有中心点最近的那个中心点,然后将这个点归为这个中心点代表的簇,不断迭代,直到前后两次迭代的簇类没有变化。 3.4.3结论及建议 ①根据支持度、执行度、提升度的值来制定每一种产品的推荐方案。 ②通过K-MEANS聚类分析具体每一个用户购买的概率,并对购买概率高的用户投入更多的营销资源。   4、数据处理 数据处理 作用 应用场景 脱敏 数据脱敏之后,依然要保持一致性和关联性 企业数据脱敏 网络爬虫 通过Python爬取“百度疫情”每日更新的新增确诊人数、中高风险地区数。(详见附录) 用来判断某城市疫情发生后,退座是否突增;研判城市清零时间(连续14天无社区传播) 月份淡旺指数 某城市的单月流量/该城市的该年的月均流量 结果>1则为该城市的旺季,反之为该城市淡季 销售异动指数 本期销售额/同周期销售额,预警销售的突增和突减 订座、退座是否发生突增(关联疫情市场)   5、可视化报告 5.1作品介绍: 下图为整体仪表盘展示的图表。在正式进入FINEBI开发之前,先按照“脑图——线框图——正式开发(FINEBI)”,提高开发效率。 5.1.1银行概况 先构思需要展示的图: 绘制线框图: 通过FINEBI实现效果图: 5.1.2客户分析 先构思需要展示的图: 绘制线框图: 通过FINEBI实现效果图: 5.1.3产品分析 先构思需要展示的图: 绘制线框图: 通过FINEBI实现效果图: 5.1.4购买分析 先构思需要展示的图: 绘制线框图: 通过FINEBI实现效果图: 5.1.5模型输出 先构思需要展示的图: 绘制线框图: 通过FINEBI实现效果图:   5.2图表排版布局 ①配色设置:以浅色系为主色调。 ②图表设置:图表的背景网格线都去掉了。 ③文字设置:突出的重点用橙色的文字表示,通过分析得出的结果用红色文字表示。 ③布局设置:以流行地图、区域地图作为主要元素。 ④文本说明:通过文本框展示“分析思路”“结论建议”,一般在模块的最开始和结尾位置。   5.3最终结果呈现的页面布局 三、参赛总结 1、FineBI工具 BI工具优点多多,比如“帮助文档非常详尽、课程学习非常丰富、数据连接非常顺畅”。 建议BI工具新增数据分析建模的功能,建议一个数据预处理平台。比如类似于“KNIME”这类轻应用,可以直接调用一些数据处理的算法(KNN\K-MEANS\PCA)等等。目前我在处理数据的时候,基本上都是先通过Python处理完再导入数据库,在通过FINEBI直接数据库,感觉步骤相对繁琐一些。   2、参赛总结   通过可视化可以讲原本繁琐枯燥海量的数据,以一种“生动形象直观”的样式展示出来。但数据可视化不是单纯为了将数据图做得多美观,而是要让数据蕴含的规律直观地体现出来,有利于后续的分析决策。
个人成就
内容被浏览15,081
加入社区1年119天
返回顶部