行业解决方案游戏数据运营解决方案.docxVIP

行业解决方案游戏 数据运营解决方案 游戏数据运营解决方案 背景 行业综述 随着游戏行业市场竞争局面的扩大，玩家对于品质的要求越来越 高，游戏项目的生命周期越来越短，直接影响项目的投入产出 比，经过数据运营则能够有效的延长项目的生命周期，对各个阶 段的业务走向进行精准把控。而随着流量成本的日益上升，如何 构建经济、高效的精细化数据运营体系，以更好的支撑业务发 展，也变得愈发重要起来。 在这样的背景下，越来越多的游戏企业加入到数据运营行列，也 促进了大数据产业生态链的发展，第三方数据公司 TalkingData、Dataeye、友盟、热云数据等就是在这一个时代中 快速成长起来的。但同时受限于业务理解，通用平台往往无法满 足游戏企业的定制化需求，因此随着业务的发展，最终还是要选 择白建数据分析平台一一因为技术门槛、资源投入等原因，当前 大部分游戏企业只实现了数据统计，少部分企业实现了数据挖 掘，在深度学习层面当前趋近空白。 业务需求及痛点分析 按照游戏领域的行业细分，不同类型的公司对数据化运营的业务 需求各有侧重，构建数据化运营平台的技术手段也表现为不同的 方式。 按照行业属性，能够将生态中的公司分为游戏研发商、游戏渠道 商、游戏研发商三类，根据业务特点她们对于数据运营的需求也 各有侧重，从表现形式讲，基础指标集、客户画像、精准投放 龄: 果分析、智能算法等等，不一而足。 基础指标集 智能算法 UV PV 消费金泌,, 渤偏好 消蜘*?? 策略制定（渠 转化/留带… 实时分析 OLAP分析 报表,专 视 数据挖掘 模型训练 预虹 而从实现数据运营的技术手段来分析，也分别表现出不同的特 征，各阶段使用的技术栈、驱动因素及演进方向，能够简单经过 下图来表述： 借助三方平台酰计沿折顾单一-Ta!kingData 借助三方平台 酰计沿折顾单一 -Ta!kingData -Dat^eye -^S/- - -H^doup/i-torm/n park/kAfk^/... - -g僧缺H其 而在这样的业务背景下，传统来料加工、被动响应的数据处理架 构，显然无法匹配数据化运营的分析需求，主要存在的问题: 1、 数据来源单一，缺少精准用户画像，运营策划、实施不能” 投其所好”，用户转化率低； 2、 平台沉淀、积累了大量的数据，可是经过数据驱动业务创 新、辅助决策方面没有经验，导致数据 d业务价值的转化率 低； 3、 开发定制化，项目实施周期长，响应需求速度慢，无法有效 支撑业务的灵活变化； 4、 数据的应用场景单调，大多只是止于简单的看指标、报表， 对于机器学习等复杂场景缺少技术储备; 阿里云整体解决方案 功能架构 基于阿里云大数据平台，构建一站式数据运营支撑平台 重点简介： 1、 数据采集+数据总线，丰富业务数据源： 基于开源框架封装 的多种数据采集工具，按需选用以支持不同类型的异构数据 采集，丰富业务数据来源，同时配合阿里云提供的流式数据 处理服务（DataHub）,轻松构建基于流式数据的高可用， 低延迟，高可扩展，高吞吐的分析和应用； 2、 数据处理/数据存储，支持不同场景的数据化运营需求： 数 据处理/数据存储作为总线数据的消费端，提供面向不同应 用场景（实时分析、OLAR离线计算、智能算法等）的数据 计算/存储引擎，支持不同层次、视角的数据化运营需求； 3、 数据消费，发挥数据在业务创新、辅助决策方面的价值： 基 于底层的数据计算能力，在应用侧经过阿里云提供的可视化 大屏（DataV）、数据分析配置工具（ Quick BI ）轻松构建 不同场景的数据分析应用，充分发挥数据的业务价值 数据运营平台基础数据框架 StreamCompute StreamCompute 重点简介： 1、 Datahub : a） 实时、高吞吐的并发数据处理能力； b） 数据白动冗余多份，高可用性保障； c） 数据流吞吐能力动态伸缩，按需弹性等能力； 2、 Stream Compute : a） 支持类SQL语法，深度整合多类云数据存储 b） 性能优越，关键指标超越 storm6~8倍 c） 优化执行引擎，计算任务资源消耗低 主要支持实时数据处理、分析等应用场景； 3、 Max Compute： a） PB级超大规模数据的计算及存储 b） 支持丰富的计算模型 c） 数据白动冗余多份，高可用性保障 主要支持多维分析（T+1, OLAP、报表/分析专题、机器学习等 应用场景； 产品技术架构 离线分析 为了更加全面的了解业务情况、用户行为偏好，需要对积累的游 戏数据做多维度的深度探查，以挖掘数据中蕴含的业务价值。这 一类场景的普遍特点是： 1、 数据量大 2、 计算复杂度高 3、 分析视角可视化的要求灵活多变 4、 允许一定的数据时延 常见的产品形态有 OLAP报