工作职责:
 游戏数据对接: 根据运营部门的需求,梳理新接入的游戏数据,根据游戏玩法、生态,对该游戏进行进一步分析,凝练需求。利用tableau制作该游戏的整套BI模型,其中包括: 游戏日常系统监控体系、玩家付费分析、硬软通货消耗分析、主线任务完成情况,游戏卡点分析以及礼包售卖分析等。
 游戏日志解析和清洗: 利用Python对接入游戏的日志进行解析并清洗,设计数据库表,将解析后的数据入库,方便后续的延续分析工作,此外对解析日志流程进行模块化,提升解析和清洗效率。
 游戏内部的数据挖掘项目: 将机器学习和深度学习应用于游戏场景和发行场景中: 根据玩家在游戏内部的动作,包括付费情况、登录频次、周期以及时长等特征预测玩家是否流失;以及利用玩家5天内的行为数据预测玩家的付费能力,提高了《仙剑》此游戏的付费率为5%,《最终幻想》流失率降低了10%。
 其他数据分析工作: 游戏的专题分析如《轩辕传奇》付费玩家流失成因分析、绿洲游戏玩家手机使用偏好分析、《顶上三国》卡牌使用率分析等;梳理归纳数据接入,分析的流程和框架,提高了整个工作组的效率;制作一些数据相关的开源小工具如: 统计各种语言字数的小程序,批量替换本地化素材的小工具等,提高了运营部门的工作效率。

工作职责:
 公司级用户数据平台的搭建: 根据业务线确定能够表明用户群对歌曲,歌手的偏好,App(客户端)使用特点(频率,时间)的指标并给出计算方法和维度;确定数据来源以及存储方式。
 运营组日常统计报表的制作: 根据运营组的日常需求,利用Python和MySQL完成日志解析、数据清洗、对安装,活跃,付费等指标按照不同维度(时间,渠道类型等)的统计。辅助运营同学监控客户端表现。
 渠道质量监控: 负责新,老渠道测试反馈机制的制定(利用精益数据分析思想,选择最主要的渠道指标做加权),利用高斯模型制作渠道反作弊模型,该模型多次甄别出作弊刷量渠道。
 利用数据挖掘知识完善用户行为数据,为后续的歌曲推荐和秀场导量提供数据: 利用机器学习(logistic regression和adaboosting)方法对不完整的人口信息(性别,年龄)进行预测。利用该用户数据进行秀场导量之后,秀场的次日留存提高了约2%。此外,根据已有的用户数据进行用户听歌偏好等挖掘项目如: 分析不同手机用户的偏好,用户活跃时间聚类等。

工作职责:
 负责无线端渠道数据管理系统的搭建。
针对无线端渠道特点,筛选能够评价渠道的最佳指标除去虚荣指标,定义其计算口径和数据来源,并建立渠道评价模型。根据不用汇报对象制作日报,周报,月报等数据报表。并对已有其进行优化。
 渠道异常数据监控。
根据日常报表,以及来自其他组的相关数据,利用高斯模型监控渠道数据是否异常,如有异常,迅速下钻数据查找异常源以及产生异常的原因。
 渠道推广相关的数据分析和建模工作
负责主导活动前的预估(利用时间序列对流水安装量预测)以及活动后的评估。制作并优化渠道改善评估模型(渠道质量监控矩阵),以及上级领导交给的定向分析任务。

工作职责:
 负责预测直播排期表中各档商品的销售数量及其模型优化。
每周对未来一个月内播出的商品进行销售数量预测: 对商品根据价格,材质等因素对商品进行聚类,查看这些商品的共同特征,在根据特征工程作出想要的特征。最后根据所选特征利用(线性回归,svr)建立模型。
 对预测模型进行优化
 主要是特征进一步选择以及参数调整

工作职责:
 负责Extreme Walkie Talkie 的需求分析、用户体验分析和运营期间的数据分析。
 确定可能的目标用户;设计调查问卷,通过对调查问卷的分析调整之前的目标用户以及确定用户的大体需求;
 进行用户访谈细化和调整用户需求;通过之前的调查问卷和访谈数据,确定目标用户和用户需求;将用户需求转化为产品功能。
 在原型设计出来后,邀请来自不同国家的120名测试者对原型进行测试,记录测试者的使用情况,表情手势,设计的功能是否达到预期等信息,并进行分析发现原型存在的问题。经过这样的迭代确定最终原型
 在产品上线后,负责产品运营数据的分析(新增用户,渠道分析,用户黏度等),用户行为分析(用户在app中的行为),异常数据的分析(日常数据出现异常,分析出原因 并给出可能的解决方案)。
 参与UI设计,和原型制作:
 分析用户使用app和手机的特点,给出UI设计人员一些关于用户方面的建议,同时制作低保真原型,帮助UI设计人员理解功能。