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。资料个人收集整理，勿做商业用途
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。资料个人收集整理，勿做商业用途
业务需求及痛点分析文档来自于网络搜索
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。文档收集自网络，仅用于个人学习
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。文档来自于网络搜索
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：资料个人收集整理，勿做商业用途
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：文档来自于网络搜索
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；资料个人收集整理，勿做商业用途
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；文档来自于网络搜索
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；文档收集自网络，仅用于个人学习
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；文档来自于网络搜索
阿里云整体解决方案文档收集自网络，仅用于个人学习
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。文档收集自网络，仅用于个人学习
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；资料个人收集整理，勿做商业用途
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；文档收集自网络，仅用于个人学习
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（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文档来自于网络搜索
数据运营平台基础数据框架文档收集自网络，仅用于个人学习
重点简介：
Datahub：个人收集整理 勿做商业用途
实时、高吞吐的并发数据处理能力；个人收集整理 勿做商业用途
数据自动冗余多份，高可用性保障；文档收集自网络，仅用于个人学习
数据流吞吐能力动态伸缩，按需弹性等能力；文档来自于网络搜索
Stream Compute：文档收集自网络，仅用于个人学习
支持类SQL语法，深度整合多类云数据存储个人收集整理 勿做商业用途
性能优越，关键指标超越storm6~8倍资料个人收集整理，勿做商业用途
优化执行引擎，计算任务资源消耗低个人收集整理 勿做商业用途
主要支持实时数据处理、分析等应用场景；个人收集整理 勿做商业用途
Max Compute：个人收集整理 勿做商业用途
PB级超大规模数据的计算及存储文档来自于网络搜索
支持丰富的计算模型文档收集自网络，仅用于个人学习
数据自动冗余多份，高可用性保障文档收集自网络，仅用于个人学习
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；文档收集自网络，仅用于个人学习
产品技术架构
离线分析
为了更加全