文档介绍：游戏数据运营解决方案
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。
帛俘隔的叁
便幼的潦・只剑遗72。珀的阶塞
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
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。
基础指标集
游戏研发商
游戏发行商
游戏渠道商
客户画像
精准投放&效果分析
运营数据分析
智能算法
UV PV 消费金额/…
遁戏编好行为偏好消费偏好九
策略制定《渠道/时机等）转化/留存了...
实时分析
OLAP分析
/…
数据挖掘模型训练预豳…
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:
Mysql/Stj/Serv^r
小数眠规梗苣单计算
期短孚的降手将
借助三方平台
麟力领敏惮一
A^ma^g
-Ta!kingData
-Dat^eye
-友初…
粉压力 »Kr«®7 敏露海单一鲁能崛图求
H^doopAtorrrVs * EM必咏jxmmpH嗓t
pAfk/kAfic^/... reamcotnputti/ADS/d
大裁据番 Sts加曲＜2
流式计知复杂H算 -多场金拈，技嘉选用
-流式诘菖售杂计邯海量裁婚…
阿里云平台
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( 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
重点简介：
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；
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；
、 Max