AWS白皮書合集 想要加速行業創新,aws案例分析

AWS白皮書合集 想要加速行業創新

企業正尋求從其數據中提取更多的價值——通過授權實現數據驅動，推動數字賦能的收入，支持IT、市場營銷、風險管理、合規性和財務方面的運營改進。然而，嚴峻的現實是，85%的企業希望數據驅動，只有37%的公司取得了成功。他們之所以失敗，是因為許多組織無法處理新的數據現實。數據呈指數級增長，越來越多樣化，需要任何數量的應用程序和人員安全地訪問和分析。

Amazon Web Services(AWS)通過提供成熟的數據分析服務，能夠幫助組織快速從數據中獲取見解。快速得到答案意味您可以花更少的時間構建管道和配置云分析服務來協同工作。

本期內容我們從游戲行業及電商行業入手，深度剖析大數據分析在這些行業中的重要地位及AWS大數據分析服務的優勢，同時還將詳細介紹AWS分析類相關的架構完善的框架，讓您根據最佳實踐設計自有工作架構。接下來，就讓我們進入正題吧！

游戲行業

1

游戲行業現狀

過去數年間，游戲產業借助互聯網普及趨勢和用戶規模紅利得以野蠻生長，然而，隨著新增游戲用戶趨于平穩，玩家對游戲品質要求不斷提升，游戲市場日漸飽和，游戲行業進入激烈的存量競爭階段，游戲公司正面臨著前所未有的挑戰。

在中國市場，大量游戲公司由于國內總量調控、版號申請等行業政策變動因素的影響，研發和運營分離導致的品質不可控，轉而出海求生，推進研運一體，實現游戲運營從粗放到精細的轉變。在這一背景下，大數據、機器學習等前沿技術的應用成為新常態，日益緊密地融入到游戲的研發、策劃和運營中。在這一基于前沿技術不斷的探索和創新的過程中，游戲公司需要組合靈活、可擴展性強且成本較低的數據分析解決方案，來適應游戲行業在云時代下快速發展和業務靈活的需求，同時在創新方面有效降低成本，合理規避風險。

2

大數據分析在游戲行業的趨勢

大數據分析是游戲行業不可或缺的組件之一，游戲行業的數據分析及其關注重點處于變化之中。伴隨著游戲行業的發展，游戲公司逐漸從“短平快”的游戲――如以買量模式賺取快錢――往往沒有或僅有很少數據分析，轉向長線精細化運營，通過在游戲運營、策劃與設計、客服咨詢和IT運維等場景進行數據分析來洞察玩家的用戶喜好和消費習慣，并基于分析結果來改善和提升游戲體驗。不同規模的游戲公司對數據分析的需求不同。

對于中小型游戲公司，其團隊的運維能力通常有限，更傾向于以托管服務解決運維的人力、成本和技術問題，同時需要數據分析方法論方面的引導，例如應該關注和分析哪些指標。對于大型游戲公司，這些客戶更加關注產品的最佳實踐、性能（如產品的性能瓶頸）以及在大型場景下的數據分析解決方案，例如，哪些托管產品能夠提供更高的性能和更低的成本與風險。

3

AWS的優勢

通過AWS大數據分析平臺，游戲客戶能夠快速構建數據攝取、存儲、分析的管道，AWS服務的廣度和深度可以應對不同業務場景的需求和挑戰。

在運營分析中，游戲客戶通過Amazon Redshift Spectrum和Amazon Simple Storage Service(Amazon S3)輕松構建規模至EB級的數據分析平臺，實現冷熱數據分離，大幅降低存儲成本；在游戲策劃和設計中，通過Amazon Athena、AWS Glue和Amazon S3構建無服務器的輕量的數據湖平臺，按需查詢付費，同時用戶無需管理集群資源；

在客服咨詢中，依托于Amazon Elasticsearch Service或Amazon Athena，客服查詢能夠秒級返回、快速響應業務需求；在IT運維分析中，通過和Amazon CloudWatch、AWS CloudTrail等服務原生集成，游戲客戶能借助Amazon Kinesis、Amazon Elasticsearch Service等服務快速發現運維風險或故障，降低運維成本。

1

電商行業現狀

在電商行業中，售前、售中和售后的用戶旅程，按時間順序可以依次劃分為以下六個環節：

在各個環節中，電商平臺在提升用戶體驗方面亟需應對一系列挑戰。例如，Amazon研究表明，63%的用戶期望快速找到符合其個性化需求的商品；78%的用戶期望物流服務快速且免費，如果無法滿足期望，將嘗試其他電商平臺；60%的用戶表示如果不滿意退貨流程則不再愿意繼續使用原有電商平臺，可能轉而選擇其他電商平臺。基于此，電商客戶希望能夠及時獲取上述商業洞察結果，并且制定針對性策略。

隨著互聯網普及、海量數據的產生，電商客戶希望借助數據來驅動并提升售前、售中和售后全鏈路用戶行為的體驗。例如，對于滿足用戶個性化需求，電商客戶需要協同分析商品和用戶行為等數據，為終端用戶提供個性化商品推薦；對于提升用戶退貨流程滿意度，電商客戶需要獲取來自RFID或其他IoT設備的貨品數據，進行實時數據的交互和分析，以快速應對售后的各種問題，比如將貨品重新流通或處理作廢（如涉及質量問題時），以及通過數據預測退貨率，制定庫存和采購的策略。因此，電商客戶需要組合靈活、可擴展性強且成本低廉的數據分析解決方案，以適應電商行業在云時代下發展迅速、調節靈活、資源可擴展的業務需求。

2

為什么需要大數據分析？

電商客戶對數據驅動業務充滿興趣，并且已經認識到掌握用戶資源和運營數據是成功的基礎，但是其中許多客戶受制于傳統數據平臺，缺乏提升客戶體驗所需的靈活性、敏捷性和功能性。

主要表現在：

1、數據孤島

數據系統各自孤立，無法作為統一的數據源參與分析，而分析差異化的用戶體驗要求數據分析平臺具有按需組合不同數據源的能力；

2、無法處理多樣化的數據類型

前端觸點和應用的多樣性產生了數據多樣性，這些數據包括物聯網傳感器數據、非結構化文本、社交媒體數據以及圖像和視頻等。電商客戶無法借助傳統的數據分析平臺來整合、分析這些數據，發掘差異化見解；

3、分析工具有限

傳統分析平臺不具備從攝取、存儲、治理、分析到展示全鏈路的能力，缺乏靈活性、擴展性和穩定性。較少電商客戶使用機器學習、圖像/視頻分析和實時監控等高級功能。

3

AWS作為數據分析平臺的優勢

電商客戶內部具有數據分析需求的部門繁多，供應鏈、庫存、銷售、運營、搜索、用戶行為分析和個性化推薦等，都需要依憑數據分析作出決策。同時，涉及的數據分析需求場景也紛繁復雜，包括近實時處理和批量處理、結構化數據和非結構化數據、低頻冷數據查詢和高頻熱數據查詢、不定期查詢和周期性報表等。

AWS提供覆蓋范圍廣泛、簡單高效、組合多樣的數據分析服務，能夠最大程度地滿足各種場景的數據分析需求。此外，全球最大的電商客戶Amazon.com以AWS數據分析平臺為支撐，這進一步說明，從數據分析服務的成熟度、穩定性、功能等方面考量，AWS都是電商平臺的不二之選。在中國市場，AWS寧夏區域提供更低成本的基礎設施、更廣范圍的物理覆蓋以及對西區和南區更優表現的網絡延遲。同時，離線的數據分析業務場景，較其他實時性要求高的業務（如交易），對延遲有一定容忍度，更適合放在有成本優勢的寧夏區域。

根據最佳實踐設計自有工作架構

本文檔主要面向技術類人群，包括首席技術官（CTO）、架構師、開發人員以及運營團隊成員。

AWS架構完善的框架（AWS WellArchitected Framework）能夠幫助您認識到您在AWS上構建系統時所做決策的優缺點。通過使用該框架，您將了解如何在云環境中設計和運行可靠、安全、高效且經濟實惠的系統架構的最佳實踐。它為您提供了一種方法，使您能夠根據最佳實踐持續衡量架構，并確定需要改進的方面。

特別聲明：以上文章內容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內容、版權或其它問題請于作品發表后的30日內與ESG跨境電商聯系。