年服务人次3300万+,网鱼网咖的大数据挑战及架构

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 从98年成立至今的18年中,网鱼累计签约门店已接近900家,已拥有超过830万会员,2016年网鱼网咖共服务了3300多万人次,服务范围覆盖全国100多个城市,现在网鱼网咖已走出国门,在加拿大、澳大利亚、新加坡等国家开设多家门店。
11+大数据行业应用实践请见 https://yq.aliyun.com/activity/156 ,同时这里还有流计算、机器学习、性能调优等技术实践。 此外,通过 Maxcompute及其配套产品 ,低廉的大数据分析仅需几步,详情访问 https://www.aliyun.com/product/odps ;更多精彩内容参见 云栖社区大数据频道 https://yq.aliyun.com/big-data  。

对于80年代的人来说,网吧这个词都不陌生。那时候电脑还没有普及,学习需要时,我们去网吧下过资料、模拟过考试;任性的时候,也曾去网吧看过电影、玩过游戏;而就算现在,同事下班后,也会偶尔去三三两两开开黑。随着网吧衍变成网咖,环境更好、服务更多、体验更好,上网之外还可以休闲、喝咖啡。然而在大部分人看来,不管是网咖还是网吧,仿佛提供的也就是个上网的服务,但是你或许不知道的是,从你进入网鱼网咖的那一刻,你已经享受的时下最热门的服务——大数据。

年服务人次3300万+,网吧的天然大数据场景

其实网咖这个行业和大数据的关系很密切,仅2016年,网鱼服务人次超过3300万——楚发。

在交流中网鱼CTO楚发首先分享了网鱼的业务现状。从98年成立至今的18年中,网鱼累计签约门店已接近900家,已拥有超过830万会员,2016年网鱼网咖共服务了3300多万人次,服务范围覆盖全国100多个城市,现在网鱼网咖已走出国门,在加拿大、澳大利亚、新加坡等国家开设多家门店。网鱼致力于打造多人游戏空间,为顾客提供极致的游戏上网体验。业务范围覆盖连锁上网服务门店、电脑及周边产品、游戏社交软件等,为加盟伙伴提供一体化的解决方案。目前网鱼旗下有六大品牌,包括网鱼网咖、网鱼电竞、风蝶网咖、虎猫电竞、诺诺茶、YVR等。

随后他指出,从传统的连锁角度来讲,以前的会员管理模式叫CRM,但是CRM还不够精准,可以从三点来看:

  • 首先,从会员场景来看,需要有体现会员偏好的数据。到店的会员很多是老客户、老顾客,但是门店包括整个连锁行业都不一定对会员的喜好行为有记录和分析。
  • 其次,是门店经营的场景看,需要进行更精准的会员分析。每家门店有几万的会员,但他们对会员的分类、分级以及总体的偏好都不清楚,何谈会员管理。
  • 最后,像网鱼网咖这样规模的连锁企业,需要更精准的会员分析。总部需要对网鱼会员,甚至更大范围的会员顾客的游戏、上网行为进行分析,以便研发更好的服务种类。

从这三个维度来讲,新的时代需要从全方位的角度去利用大数据提高会员服务的体验,增加对会员行为的准确预测。基于会员的大数据分析,就是是抵达网鱼最终业务目标的出发点之一。

一个月构建大数据体系,网鱼的业务挑战与技术选型

目标5600家门店,需从技术到业务,网鱼通过数据挖掘、机器学习、可视化等技术来理解用户,为门店赋能——楚发。

楚发指出,要实现门店赋能这一目标,技术挑战主要分为三点:

第一,要从业务上面考虑,如何从会员及其行为数据中提取洞见,并给会员提供更好的一个服务。

第二,传统BI和大数据体系的建设成本非常高,速度也较慢。

第三,传统连锁企业的报表分析业务门槛很高。囿于连锁模式的特性,很多业务人员分散在全国各地,如何将业务分析的最新功能提供给他们,是一个巨大的挑战。

面对这些挑战,网鱼选择了阿里云,主要考虑以下原因。首先,公司总体的战略,是开出5600家门店,云端化志在必行,以云计算为基础支撑业务能力成为第一个大背景。其次,业务需求上,不管店长,还是加盟的合作伙伴,都需要更详细的会员分析,得出更准确的会员预测,给会员带来更多更好的服务。最后,网鱼也试用了多家的云服务,经过比较,得出阿里云的服务最稳定的结论。此外,选择阿里云还看重其完整的生态系体系,从而未来可以寻找更多的服务商和合作伙伴。

现在,网鱼使用了阿里云基础设施、DataV、机器学习等服务,而在2017还会加大数据分析方面的投资,同时会考虑一些生态体系中的工具,比说人脸识别、证照检查等等。楚发表示,数加功能很多,即开即用,一个多月网鱼就完成了大数据平台的搭建。此外,整体来说,数加是非常稳定的。最后,从使用者出发,对数加有两个方面的期望。首先,权限控制要更灵活。网鱼的工作人员非常多,达几千人,还有大量的连锁门店,因此期望更多不同等级的权限。其次,有更好的用户交互,期望能在移动端UI上得到更好的提升。

机器学习、可视化,网鱼的大数据平台架构

网鱼使用了多个数加产品,包括QuickBI、机器学习、DataIDE、推荐引擎、DataV等—— 吕兆昌。

b9d825f01786667e2db55e284f9d2c4b36ca56de

通过网鱼大数据负责人吕兆昌了解到,最开始网鱼使用ECS做业务系统的存储,后来全部改用速度更快的RDS。随后借助DataIDE来分析和挖掘数据,以及机器学习做复杂的分析。最后,数据通过QuickBI的报表或者DataV来给用户呈现。

交流最后,楚发总结道:“在过去几年,网鱼得到了飞速发展。我们希望可以通过数据挖掘从这个过程中提取成功的经验,然后复制给所有门店,其中包括网友行为预测、加盟店关系管理、移动化等,并且,在整个实现过程中追求全、准、活。而最终,网鱼期望网友走进旗下的任何一个连锁门店时,都可以获得舒适愉快的体验”
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
26天前
|
DataWorks Kubernetes 大数据
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
|
7天前
|
存储 搜索推荐 数据库
MarkLogic在微服务架构中的应用:提供服务间通信和数据共享的机制
随着微服务架构的发展,服务间通信和数据共享成为关键挑战。本文介绍MarkLogic数据库在微服务架构中的应用,阐述其多模型支持、索引搜索、事务处理及高可用性等优势,以及如何利用MarkLogic实现数据共享、服务间通信、事件驱动架构和数据分析,提升系统的可伸缩性和可靠性。
16 5
|
11天前
|
XML Java 数据库
在微服务架构中,请求常跨越多个服务,涉及多组件交互,问题定位因此变得复杂
【9月更文挑战第8天】在微服务架构中,请求常跨越多个服务,涉及多组件交互,问题定位因此变得复杂。日志作为系统行为的第一手资料,传统记录方式因缺乏全局视角而难以满足跨服务追踪需求。本文通过一个电商系统的案例,介绍如何在Spring Boot应用中手动实现日志链路追踪,提升调试效率。我们生成并传递唯一追踪ID,确保日志记录包含该ID,即使日志分散也能串联。示例代码展示了使用过滤器设置追踪ID,并在日志记录及配置中自动包含该ID。这种方法不仅简化了问题定位,还具有良好的扩展性,适用于各种基于Spring Boot的微服务架构。
26 3
|
24天前
|
负载均衡 应用服务中间件 网络安全
Django后端架构开发:Nginx服务优化实践
Django后端架构开发:Nginx服务优化实践
35 2
|
27天前
|
存储 SQL 分布式计算
MaxCompute 近实时增全量处理一体化新架构和使用场景介绍
本文主要介绍基于 MaxCompute 的离线近实时一体化新架构如何来支持这些综合的业务场景,提供基于Delta Table的近实时增全量一体的数据存储和计算解决方案。
|
28天前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
1月前
|
存储 分布式计算 大数据
大数据架构管理规范
8月更文挑战第18天
38 2
|
1月前
|
消息中间件 Java API
解密微服务架构:如何在Java中实现高效的服务通信
微服务架构作为一种现代软件开发模式,通过将应用拆分成多个独立的服务,提升了系统的灵活性和扩展性。然而,实现微服务之间的高效通信仍然是许多开发者面临的挑战。本文将探讨在Java环境中实现微服务架构时,如何使用不同的通信机制来优化服务之间的交互,包括同步和异步通信的方法,以及相关的最佳实践。
|
19天前
|
机器学习/深度学习 分布式计算 BI
MaxCompute 与阿里云其他服务的协同工作
【8月更文第31天】在当今的数据驱动时代,企业需要处理和分析海量数据以获得有价值的洞察。阿里云提供了一系列的服务来满足不同层次的需求,从数据存储到高级分析。MaxCompute(原名 ODPS)作为阿里云的大规模数据处理平台,提供了强大的计算能力和丰富的功能,可以与阿里云的其他服务无缝集成,形成完整的大数据解决方案。本文将探讨 MaxCompute 如何与其他阿里云服务协同工作,包括存储服务 OSS、数据分析服务 Quick BI 以及机器学习平台 PAI。
19 0
|
1月前
|
缓存 Java Maven
SpringCloud基于Eureka的服务治理架构搭建与测试:从服务提供者到消费者的完整流程
Spring Cloud微服务框架中的Eureka是一个用于服务发现和注册的基础组件,它基于RESTful风格,为微服务架构提供了关键的服务注册与发现功能。以下是对Eureka的详细解析和搭建举例。

相关产品

  • 云原生大数据计算服务 MaxCompute