行业解决方案游戏数据运营解决方案Word下载.docx

1、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

2、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（Dat

3、aHub），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（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1、 Datahub：a） 实时、高吞吐的并发数据处理能力

4、；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、 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storm68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

5、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：Quick BI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

6、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（Stream Compute）的组合，

7、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；