20分钟学会如何进行数据分析与可视化

在上次的分享中，我们介绍了 Google Cloud 中免费且实用的明星产品 Firebase，看过这篇文章（点此复习）的小伙伴应该注意到，我们在里面提到，当数据量非常之大时，我们还需要借助另一款数据分析工具才能进行进一步的分析，这款产品就是 BigQuery。那么，BigQuery 到底是一款什么样的产品呢，它的功能究竟有多强大，在我们的生产实践过程中可以发挥怎样的作用呢？下面我们进入今天分享的正题：BigQuery 的最佳实践。

以游戏客户为例，在工作生产的过程中，通常会遇到以下问题：

我们经常会听到当下已经进入5G大数据时代，游戏厂商需要处理来自各种渠道的海量数据集，如玩家在游戏过程中产生的数据、市场营销过程中收集到的数据等等，对这些数据进行深度处理，得出可行性的见解，才能帮助厂商实现数据驱动决策。

客户案例

King - 英国一家著名的糖果系列游戏厂商，每天要处理大约700亿的事件，每月要处理2.47亿的活跃用户。传统方式的数据处理根本无法满足要求，通过云端处理技术，减少单位的本地架构并统一整个公司的游戏数据来提高运营和成本效率，使用 Google 的自动游戏测试将等待时间从一周减少到了几分钟，效果卓越。

Square Enix - 一家日本的游戏公司，我们耳熟能详的古墓丽影、王国之心、奇异人生都是来自这个公司。通过优化用户流量，零售商的点击率提高了144％，转化率提高了20％。借助谷歌云强大的本地化服务，市场份额也得到大幅提升（100%）。此外通过扩展分析管道以捕获跨新平台服务的数据，例如计费和交易。得到的数据越全面，越有利于后续做分析，得到的结果也会更准确。

Netmarble - 韩国一家大型游戏厂商，解锁洞察力以推动日常业务运营-从客户流失预测到欺诈性用户检测。这里我们举个例子，就好比我们在进行网购的时候一般的流程通常是浏览详情页面甚至是浏览部分评论之后才进行下单，如果说有一个客户省略了这些步骤直接进行购买，那么云端检测可能会将该条交易判定为刷单。再比如，通过云端检测，商家可以直观的观察到用户是在看到那些内容之后退出了购买等。

此外， AI代理可以帮助创建个性化的玩家体验，提高保留率。通过预测全球多个市场的广告支出回报来推动玩家的购买。

BigQuery 功能一览

以上我们介绍了谷歌云的三大客户案例，下面我们来看一下主要用到了哪些功能，这到底是怎样的一个解决方案，是如何帮助这些游戏厂商实现业务量提升的呢?首先，如何提高转化率？我们来看下图👇

数据处理一般来说分为三部：输入、处理、输出。
如上图所呈现的，我们会通过各种渠道收集到各种数据，这些数据的格式很有可能不一样，我们拿到数据之后需要进行格式转换或是数据清洗。这个过程中我们可能会用到 Cloud Dataprep 做数据清洗、处理、探索等 ，再使用 DataFlow 进行数据输入。之后会进入核心部分 BigQuery 数据分析，此外如果收集到的数据涉及到图片等难以识别的格式，可能还会用到谷歌云的人工智能工具进行数据识别，最终得到 BigQuery 可以处理的数据在进行分析处理，当然处理之后呈现的结果不一定是直观的，那么还会需要使用 BI 工具进行数据可视化，诸如与 BigQuery 内嵌在一起的 Data Studio 功能进行数据结果展示，最后由决策者进行决策。

以上便是较为一个完整的数据处理过程，下面我们详细介绍一下 BigQuery。

BigQuery 的特点

BigQuery 是一个无服务器的云端数据仓库，我们不需要关心数据究竟在哪一台具体的服务器上，当我们需要的时候可以按需扩充资源，更不用担心基础架构的问题。

BigQuery 的特点可参考下图：

了解这些之后，我们将通过下方的实操视频来跟大家演示如何使用 BigQuery，包括如何导入数据、查询、展示等。