文档介绍：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,通过数据运营则可以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,所以随着业务的发展,最终还是要选择自建数据分析平台——因为技术门槛、资源投入等原因,目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,在深度学习层面目前趋近空白。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,可以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,根据业务特点他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,可以简单通过下图来表述: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: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;平台沉淀、积累了大量的数据,但是通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;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;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: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;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;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,在应用侧通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重点简介:Datahub:实时、高吞吐的并发数据处理能力;数据自动冗余多份,高可用性保障;数据流吞吐能力动态伸缩,按需弹性等能力;pute:支持类SQL语法,深度整合多类云数据存储性能优越,关键指标超越storm6~8倍优化执行引擎,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;pute:PB级超大规模数据的计算及存储支持丰富的