從我畢業(yè)進入游戲數(shù)據(jù)分析行業(yè)也有一年多了。
這一年中也接觸到了很多數(shù)據(jù)分析的工具，數(shù)據(jù)處理，數(shù)據(jù)存儲，數(shù)據(jù)可視化之類的東西。
也慢慢積累了一些處理處理的技巧之類的。
這篇專題主要是記錄我在數(shù)據(jù)分析中遇到的一些比較典型的，有價值的處理過程。
主要包括以下工具 ：
- BigQuery標(biāo)準(zhǔn)SQL，文檔： Bigquery官方SQL文檔
- Pandas，文檔：Pandas官方文檔
- Looker，文檔：Looker官方文檔
Bigquery是google的云數(shù)據(jù)庫，功能非常強大，不過要翻墻。
Looker是一個BI工具，19年被Google以26億刀收購，成為Google生態(tài)的一環(huán)。
它的使用和Tableu差不多，不過Looker是純web端的。
Pandas是Python的數(shù)據(jù)分析庫，在數(shù)據(jù)量不大的時候配合Jupyter是我認(rèn)為數(shù)據(jù)探索最強大的工具，yyds。
后面大多數(shù)情況是給出一個真實的需求，
有的是用SQL做的，有的是用Pandas做的，有些會涉及到Looker的LookML語法。
這些東西主要作為個人的記錄，分享那些倒是次要的，畢竟國內(nèi)用到Bigquery+Looker的人應(yīng)該不多。
不過Bigquery的語法和Mysql的也比較相似，而Looker的用法和Tableu也差不太多，也可以參考參考。
還有因為是個人的記錄，所以不會有太基礎(chǔ)的東西，大多是帶技巧性的東西。
