大数据,大创收!

大数据
在Newzoo发布的2015年全球游戏市场报告中,其研究员们估计游戏市场的价值由2014年的836亿美元增至2015年的915亿美元。Newzoo预测,“按照此速度,全球营收在2017年将达到1,070亿美元。”在电子游戏产业发展愈发规模下,我们又该如何发掘数据背后的潜力呢?

[[178840]]

化身***大Boss、过关斩将、拯救公主;极限车速、奔跑跳跃、躲避障碍。不难发现,不管大大小小的游戏属于何种类型,在其由易及难的重重关卡背后,无一不是分析海量数据后得来的结果。

在Newzoo发布的2015年全球游戏市场报告中,其研究员们估计游戏市场的价值由2014年的836亿美元增至2015年的915亿美元。Newzoo预测,“按照此速度,全球营收在2017年将达到1,070亿美元。”在电子游戏产业发展愈发规模下,我们又该如何发掘数据背后的潜力呢?

1. 大数据分析,敲开创收的大门

就营收而言,电子游戏市场与电影业和职业体育处于同一级别。因此,各大公司在电子游戏领域展开激烈竞争也就不足为奇了。游戏设计者、开发者、发行商和平台提供商将视觉艺术、计算机科学、音响工程和人机工程等融合在一起,形成创新且引人注目的全新方式,以此来吸引游戏玩家的注意并促成其消费。

 

 

 

[[178841]]

 

广告商渴望占领网页空白处的横幅位置,而诸如PC Gamer和Game Informer等游戏出版商则通过发表社论、游戏测评以及更多广告,来引导游戏玩家。此外,游戏产业采用的大数据分析平台可以清晰地显示点击流并分析客户行为数据,此分析几乎可以广泛应用于提供客户在线状态的任何业务。游戏开发者可使用大数据分析和SQL分析平台改进他们的电子游戏,使其产品在竞争中脱颖而出。

2. 捕获、利用1.8亿人的海量数据

电子游戏领域代表了快速收集数据和分析可提供竞争差异化优势的***领域之一。在大数据分析软件出现之前,电子游戏开发仅凭直觉和猜测来完成,游戏受欢迎程度主要通过口耳相传得以提升。现在,游戏爱好者们可邀请他们社交网络的成员加入游戏,同时,具有卓越分析能力的公司可以在网络流量增加时进行监控,最终他们的游戏可能会风靡市场。

对于在线休闲和社交游戏全球***Spil Games而言,网站互动和客户保留率是关键的业务指标。因此该公司实施了HPE Vertica分析平台。由此,Spil Games现在可以捕获和利用由每月访问其网站的1.8亿人所产生的海量数据,进而推动公司业务创新并提高向其客户提供引人入胜的游戏体验的能力。

3. ***扩展性的列式数据库

对获得的数据进行快速地大数据分析,意味着开发者可以更快了解用户如何与其应用、网站和游戏进行交互,以及他们对新功能和促销的反应如何,进而让开发团队可以更高效地设计和重新设计其产品。

 

 

 

[[178842]]

 

HPE Vertica分析平台让公司可以全天候近乎实时地大规模分析海量游戏使用数据,帮助数量分析师(数据分析团队)获取之前难以获得的深刻见解。HPE Vertica是一款***扩展性的列式数据库,专为PB级数据集的实时分析平台而定制。它支持基于R的分析和标准SQL分析,可为领先的BI和ETL供应商提供支持。

HPE Vertica客户和合作伙伴能够做出明智决策,并且实现***的高效率、性能和扩展能力,因此通常可以应对以下挑战:

  • 分析用户行为和社交网络,从而进行有效的游戏开发并盈利
  • 制定包含基于事件的处理和行为分析的可扩展数据收集解决方案
  • 加载海量数据的同时进行并发查询,实现工作流中决策
  • 制定可简化分析师和技术人员工作的解决方案,分析无处不在

4. 大数据分析成就竞争性优势

游戏公司使用HPE Vertica对其游戏回合数据进行更深入的分析,并且增强了实时游戏体验。其他公司使用SQL分析使其游戏对所有玩家都更加公正,例如,防止某些实际上并未在玩游戏的玩家在后台运行作战宏来获得经验值。您的团队将如何使用HPE Vertica实现较竞争对手更大的差异化优势、更成功地创收并且使您的游戏更具吸引力,这些都完全取决于您的想象力。

大数据分析有助于确定如何改变其中每种推动因素才能真正获得所需的成效。凭借可用于列式数据库设计的某些更快加载时间和查询结果,HPE Vertica可满足游戏以及其他行业(包括零售业、银行业、通信业、制造业,甚至公共部门)的独特需求,其中可清晰地显示点击流并分析客户行为,从而获得令人叹服的竞争优势。

责任编辑:庞桂玉 来源: HPE大数据
相关推荐

2012-07-12 18:30:29

云计算大数据

2012-07-06 10:15:55

大数据

2016-08-12 00:04:44

大数据交通

2013-05-27 13:42:33

数据存储大数据昆腾存储

2020-04-20 09:44:29

大数据电商技术

2013-10-21 10:56:48

微软大数据中国石化

2013-08-27 09:23:04

大数据互联网

2021-05-10 09:40:02

大数据互联网大数据应用

2015-08-12 15:10:22

2012-02-29 08:48:43

大数据非结构化数据

2015-04-22 14:37:41

大数据大数据奇特应用

2017-08-21 15:35:57

大数据云计算UE

2013-10-17 11:32:57

微软大数据SQL Server

2015-03-16 13:49:27

大数据大数据误区大数据错误

2013-01-30 09:24:50

2015-09-10 10:06:53

格局大数据

2013-01-10 10:30:32

大数据预测Hadoop

2011-07-01 14:21:22

2011大数据世界论坛大数据云计算

2021-01-29 10:07:31

大数据大数据技术

2021-02-05 11:21:54

大数据大数据技术
点赞
收藏

51CTO技术栈公众号