AWS白皮书合集 想要加速行业创新,aws案例分析-ESG跨境

AWS白皮书合集 想要加速行业创新,aws案例分析

AWS白皮书合集 想要加速行业创新

企业正寻求从其数据中提取更多的价值——通过授权实现数据驱动，推动数字赋能的收入，支持IT、市场营销、风险管理、合规性和财务方面的运营改进。然而，严峻的现实是，85%的企业希望数据驱动，只有37%的公司取得了成功。他们之所以失败，是因为许多组织无法处理新的数据现实。数据呈指数级增长，越来越多样化，需要任何数量的应用程序和人员安全地访问和分析。

Amazon Web Services(AWS)通过提供成熟的数据分析服务，能够帮助组织快速从数据中获取见解。快速得到答案意味您可以花更少的时间构建管道和配置云分析服务来协同工作。

本期内容我们从游戏行业及电商行业入手，深度剖析大数据分析在这些行业中的重要地位及AWS大数据分析服务的优势，同时还将详细介绍AWS分析类相关的架构完善的框架，让您根据最佳实践设计自有工作架构。接下来，就让我们进入正题吧！

游戏行业

1

游戏行业现状

过去数年间，游戏产业借助互联网普及趋势和用户规模红利得以野蛮生长，然而，随着新增游戏用户趋于平稳，玩家对游戏品质要求不断提升，游戏市场日渐饱和，游戏行业进入激烈的存量竞争阶段，游戏公司正面临着前所未有的挑战。

在中国市场，大量游戏公司由于国内总量调控、版号申请等行业政策变动因素的影响，研发和运营分离导致的品质不可控，转而出海求生，推进研运一体，实现游戏运营从粗放到精细的转变。在这一背景下，大数据、机器学习等前沿技术的应用成为新常态，日益紧密地融入到游戏的研发、策划和运营中。在这一基于前沿技术不断的探索和创新的过程中，游戏公司需要组合灵活、可扩展性强且成本较低的数据分析解决方案，来适应游戏行业在云时代下快速发展和业务灵活的需求，同时在创新方面有效降低成本，合理规避风险。

2

大数据分析在游戏行业的趋势

大数据分析是游戏行业不可或缺的组件之一，游戏行业的数据分析及其关注重点处于变化之中。伴随着游戏行业的发展，游戏公司逐渐从“短平快”的游戏――如以买量模式赚取快钱――往往没有或仅有很少数据分析，转向长线精细化运营，通过在游戏运营、策划与设计、客服咨询和IT运维等场景进行数据分析来洞察玩家的用户喜好和消费习惯，并基于分析结果来改善和提升游戏体验。不同规模的游戏公司对数据分析的需求不同。

对于中小型游戏公司，其团队的运维能力通常有限，更倾向于以托管服务解决运维的人力、成本和技术问题，同时需要数据分析方法论方面的引导，例如应该关注和分析哪些指标。对于大型游戏公司，这些客户更加关注产品的最佳实践、性能（如产品的性能瓶颈）以及在大型场景下的数据分析解决方案，例如，哪些托管产品能够提供更高的性能和更低的成本与风险。

3

AWS的优势

通过AWS大数据分析平台，游戏客户能够快速构建数据摄取、存储、分析的管道，AWS服务的广度和深度可以应对不同业务场景的需求和挑战。

在运营分析中，游戏客户通过Amazon Redshift Spectrum和Amazon Simple Storage Service(Amazon S3)轻松构建规模至EB级的数据分析平台，实现冷热数据分离，大幅降低存储成本；在游戏策划和设计中，通过Amazon Athena、AWS Glue和Amazon S3构建无服务器的轻量的数据湖平台，按需查询付费，同时用户无需管理集群资源；

在客服咨询中，依托于Amazon Elasticsearch Service或Amazon Athena，客服查询能够秒级返回、快速响应业务需求；在IT运维分析中，通过和Amazon CloudWatch、AWS CloudTrail等服务原生集成，游戏客户能借助Amazon Kinesis、Amazon Elasticsearch Service等服务快速发现运维风险或故障，降低运维成本。

1

电商行业现状

在电商行业中，售前、售中和售后的用户旅程，按时间顺序可以依次划分为以下六个环节：

在各个环节中，电商平台在提升用户体验方面亟需应对一系列挑战。例如，Amazon研究表明，63%的用户期望快速找到符合其个性化需求的商品；78%的用户期望物流服务快速且免费，如果无法满足期望，将尝试其他电商平台；60%的用户表示如果不满意退货流程则不再愿意继续使用原有电商平台，可能转而选择其他电商平台。基于此，电商客户希望能够及时获取上述商业洞察结果，并且制定针对性策略。

随着互联网普及、海量数据的产生，电商客户希望借助数据来驱动并提升售前、售中和售后全链路用户行为的体验。例如，对于满足用户个性化需求，电商客户需要协同分析商品和用户行为等数据，为终端用户提供个性化商品推荐；对于提升用户退货流程满意度，电商客户需要获取来自RFID或其他IoT设备的货品数据，进行实时数据的交互和分析，以快速应对售后的各种问题，比如将货品重新流通或处理作废（如涉及质量问题时），以及通过数据预测退货率，制定库存和采购的策略。因此，电商客户需要组合灵活、可扩展性强且成本低廉的数据分析解决方案，以适应电商行业在云时代下发展迅速、调节灵活、资源可扩展的业务需求。

2

为什么需要大数据分析？

电商客户对数据驱动业务充满兴趣，并且已经认识到掌握用户资源和运营数据是成功的基础，但是其中许多客户受制于传统数据平台，缺乏提升客户体验所需的灵活性、敏捷性和功能性。

主要表现在：

1、数据孤岛

数据系统各自孤立，无法作为统一的数据源参与分析，而分析差异化的用户体验要求数据分析平台具有按需组合不同数据源的能力；

2、无法处理多样化的数据类型

前端触点和应用的多样性产生了数据多样性，这些数据包括物联网传感器数据、非结构化文本、社交媒体数据以及图像和视频等。电商客户无法借助传统的数据分析平台来整合、分析这些数据，发掘差异化见解；

3、分析工具有限

传统分析平台不具备从摄取、存储、治理、分析到展示全链路的能力，缺乏灵活性、扩展性和稳定性。较少电商客户使用机器学习、图像/视频分析和实时监控等高级功能。

3

AWS作为数据分析平台的优势

电商客户内部具有数据分析需求的部门繁多，供应链、库存、销售、运营、搜索、用户行为分析和个性化推荐等，都需要依凭数据分析作出决策。同时，涉及的数据分析需求场景也纷繁复杂，包括近实时处理和批量处理、结构化数据和非结构化数据、低频冷数据查询和高频热数据查询、不定期查询和周期性报表等。

AWS提供覆盖范围广泛、简单高效、组合多样的数据分析服务，能够最大程度地满足各种场景的数据分析需求。此外，全球最大的电商客户Amazon.com以AWS数据分析平台为支撑，这进一步说明，从数据分析服务的成熟度、稳定性、功能等方面考量，AWS都是电商平台的不二之选。在中国市场，AWS宁夏区域提供更低成本的基础设施、更广范围的物理覆盖以及对西区和南区更优表现的网络延迟。同时，离线的数据分析业务场景，较其他实时性要求高的业务（如交易），对延迟有一定容忍度，更适合放在有成本优势的宁夏区域。

根据最佳实践设计自有工作架构

本文档主要面向技术类人群，包括首席技术官（CTO）、架构师、开发人员以及运营团队成员。

AWS架构完善的框架（AWS WellArchitected Framework）能够帮助您认识到您在AWS上构建系统时所做决策的优缺点。通过使用该框架，您将了解如何在云环境中设计和运行可靠、安全、高效且经济实惠的系统架构的最佳实践。它为您提供了一种方法，使您能够根据最佳实践持续衡量架构，并确定需要改进的方面。

特别声明：以上文章内容仅代表作者本人观点，不代表ESG跨境电商观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与ESG跨境电商联系。