行业解决方案游戏数据运营解决方案Word下载.docx
《行业解决方案游戏数据运营解决方案Word下载.docx》由会员分享,可在线阅读,更多相关《行业解决方案游戏数据运营解决方案Word下载.docx(9页珍藏版)》请在冰豆网上搜索。
![行业解决方案游戏数据运营解决方案Word下载.docx](https://file1.bdocx.com/fileroot1/2022-10/12/d6f9eb26-4923-4ded-8896-aa0e6a3a720a/d6f9eb26-4923-4ded-8896-aa0e6a3a720a1.gif)
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&
效果分析、智能算法等等,不一而足。
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:
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à
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、OLAP、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(QuickBI)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
1、Datahub:
a)实时、高吞吐的并发数据处理能力;
b)数据自动冗余多份,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、StreamCompute:
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、MaxCompute:
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)数据自动冗余多份,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报表(多维分析、用户行为分析等)、分析专题(游戏角色平衡等)、数据挖掘(用户画像、业务预测等)等。
实现此类场景的基本产品技术架构如图:
架构重点简介:
1、数据库:
按照不同的应用场景、数据规模,能够选用合适的计算/存储引擎;
2、OLAP分析&
数据可视化:
QuickBI提供拖拽式、所见即多得的OLAP分析&
报表的配置及可视化能力,无需代码开发,可快速实现数据化运营的分析场景;
3、数据挖掘:
机器学习提供可视化方式的算法配置平台,快速实现机器学习、模型训练、智能算法(预测、偏好分析等)等高复杂度的数据应用场景;
同时,对于应用侧提供灵活的可集成能力,能够完全使用可视化配置,也可组合使用定制开发的方式实现。
实时分析
实时分析更多应用在监控关键的业务指标,以及时获知游戏运营的动态,指导业务部门及时调整业务策略,快速响应业务的变化,这一类场景的普遍特点是:
1、单位时间内数据量中小规模
2、计算复杂度一般
3、并发&
数据实时性要求高等
常见的产品形态:
运营实时监控、PV、UV、消费金额、在线人数、区域分布等业务核心指标实时监控等。
1、实时数据处理:
经过阿里云流式数据总线(DataHub)+流计算平台(StreamCompute)的组合,构建高可用、高并发、可弹性扩容的实时数据处理、计算模块;
2、实时数据分析:
经过DataV平台提供的多种可视化控件,能够快速实现大屏类的实时分析场景,同时如果有定制要求,也可只使用底层数据源的计算能力,经过自建web端应用的方式提供实时数据分析能力。
方案优点总结
针对前文总结的几个业务痛点,提供对应的能力支撑,分别描述:
1、业务数据来源单一
a)支持多种数据类型;
b)高可用、多并发流式数据总线,保障数据处理效率;
c)根据不同的应用场景,按需选用合适的存储/计算引擎;
2、应用场景单调,数据à
业务价值转化率低
a)游戏行业模型抽象/核心指标体系构建;
b)常见业务分析场景总结、提炼、固化;
c)经过工具支持模型训练、机器学习(客户画像、精准投放、用户行为预测)等复杂场景,无需代码开发;
3、开发运维的效率低
a)IAAS层应用、计算资源基于云平台提供的弹性能力,按需伸缩,无需人工介入;
b)PAAS层提供指标、报表、分析页面等分析场景的配置能力,无需代码开发;