行业解决方案-游戏数据运营解决方案.docx

行业解决方案-游戏数据运营解决方案.docx

ID:61835587

大小:9.75 MB

页数:13页

时间:2021-03-23

行业解决方案-游戏数据运营解决方案.docx_第1页
行业解决方案-游戏数据运营解决方案.docx_第2页
行业解决方案-游戏数据运营解决方案.docx_第3页
行业解决方案-游戏数据运营解决方案.docx_第4页
行业解决方案-游戏数据运营解决方案.docx_第5页
资源描述:

《行业解决方案-游戏数据运营解决方案.docx》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、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

2、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

3、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: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,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;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

4、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;1、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;2、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

5、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: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;1、MaxCompute:a)PB级超大规模数据的计算及存储b)支持丰富

6、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1、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,可以选用合

7、适的计算/存储引擎;1、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;2、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,可以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

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。