我们在做数据分析时，很多人摆了一堆数据，却得不出有用的结论，使数据分析沦为纸上谈兵，那么，在游戏联运平台的运营实践中，数据分析会有哪些误区呢？
1） 先有结论，然后用数据证明结论。
比如我们做一个活动，玩家充值率不到4%，很多人会先入为主，觉得4%真的太低了，这次活动效果一定不好，如果再深入一点，还会围着这点去说为什么数据不好。
但这从一开始就是一个误区。4%真的是一个很差的数据吗？为什么？这个4%的里头是不是含有什么水分？在这里就要拿出数据来说明。假如10级以下付费率是0%，10级以上付费率是10%呢？
那么对于这样一个10级以下还没有深入体验游戏的玩家群体来说，我们是不是可以把这部分用户直接排除在外呢？在去掉这部分数据后，我们再去计算真实的活跃玩家付费的参与率，那有没有可能跟一开始【4%太低】的结论相违背呢？
2） 缺少分析目的，罗列数据，想到什么说什么。
数据分析虽然有分析方法，但并不是照章办事即可。比如，我们要分析用户属性，那么需要把所有跟用户属性相关的数据都罗列吗？不需要的。
正确的顺序应该是，我要分析这次活动效果，根据活动设计目的，高等级玩家占了付费主力，那么在数据分析时，就要以等级高低为思路，沿着这个思路去分析高等级玩家是否购买得多，如果没有，为什么？然后抽丝剥茧找到原因。
分析的数据应该紧紧地围绕着分析思路走的，要针对分析目的和分析方向，去选择并列举与之有关的数据，而不是罗列全部数据即可。
3） 数据分析应该与业务紧密结合。
不管excel、sql用得多熟练，这些始终只是工具，最重要的是要熟悉业务，并能够把数据分析的结论与业务相结合，最终优化数据表现，让我们的数据分析产生价值。
怎么样才能产生价值？找到问题存在的原因是价值，优化当前数据表现而提出自己的改进方案也是价值，这些光有数据还不够，要跟玩家反馈、游戏实际情况三者结合在一起，才能得出更靠谱的结论。
