[レポート][ワークショップ]GAM205 Analytics for games #GAM205 #reinvent

[レポート][ワークショップ]GAM205 Analytics for games #GAM205 #reinvent

Clock Icon2022.11.30

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

どーも、データアナリティクス事業本部コンサルティングチームのsutoです。

現地ラスベガスでre:Invent 2022に参加中です。

本エントリはAWS re:Invent 2022のセッション「GAM205 Analytics for games」ワークショップのレポートです。

セッションの概要

Game developers need the most up-to-date information about player engagement. Speed is key and success relies on real-time analytics, whether it’s identifying which in-game items are most purchased, seeing how advertising and IAP currency sales are performing, or discovering where players are getting stuck. Learn how to make faster, better decisions, visualize trends as they happen, and share live results with teams. In this workshop, learn how to build an analytics pipeline on AWS and see AWS services in action, including Amazon Kinesis, AWS Glue DataBrew, Amazon Athena, and Amazon QuickSight, and how they can help extend the game’s lifecycle with more engaged and happy players. You must bring your laptop to participate.

 

ゲーム開発者は、プレイヤーのエンゲージメントに関する最新の情報を必要としています。どのゲーム内アイテムが最も購入されているかの特定、広告やIAP通貨の販売状況の確認、プレイヤーがどこで困っているかの発見など、スピードが重要であり、成功にはリアルタイムの分析が欠かせません。このワークショップでは、より迅速かつ的確な意思決定、発生時のトレンドの可視化、そしてチームでのライブ結果の共有の方法を学びます。このワークショップでは、AWS上で分析パイプラインを構築する方法を学び、Amazon Kinesis、AWS Glue DataBrew、Amazon Athena、Amazon QuickSightなどのAWSサービスを実際に見て、より熱心で楽しいプレイヤーのためにゲームのライフサイクルを延ばすのにどのように役立つかについて説明します。参加にはノートPCの持参が必要です。

スピーカー

  • Steve Houel, Solutions Architect, AWS
  • Mahmoud Abid, Sports & eSports Delivery Architect, AWS

ワークショップ内容

  • 分析のメリット
    • 分析によって改善点を見つけ、より早く対応ができる
    • プレイヤーの契約維持に対応できる
  • 上記がない場合の影響
    • プレイヤーの動向を理解できず、他のゲームなどへの離脱が進んでしまう
    • 分析戦略を先延ばしにすると、ゲームの改善に費やせるはずの開発サイクルの効率が悪くなる
    • データがなければ、ゲームの変更を効果的に行うことも、プレイヤーの定着率や契約維持に与える影響を検証することもできない

ゲーム開発会社がサーバーレス分析を行う理由

サーバーレス アーキテクチャは、サーバーの管理に伴う業務の負担について心配する必要がないため、ゲーム会社にとって分析の導入の際に有用です。サーバーレス分析パイプラインを使用すると、高可用性を備えたアプリケーションの実行とスケーリングに必要なすべての要素が構成された上で処理ができます。

アーキテクチャ

この構成を時間内で構築、データの可視化までを実施するハンズオンとなります。

Amazon Kinesis Data Firehose と Amazon S3 の間のネイティブ統合を活用して、耐久性がありスケーラブルなストレージにデータをすばやく取り込み、保存します。AWS Glue(CrawlerとDatabrew) と Amazon Athena は、データの処理と分析を担当します。最後に、Amazon QuickSight を使用すると、データを視覚化し、会社全体の利害関係者と共有できます。

今回の事例となるデータとしてゲームイベントログ(json)をGlueクローラーでテーブル作成し、Databrewで「ユーザーの定着率を計算する」ETL処理ジョブを作成し実行、AthenaやQuickSightで可視化するという内容となっています。

0.事前準備

  • アナウンスでAWSが用意したワークショップ用アカウントへアクセス
  • データを格納するS3バケットを作成
  • あらかじめ用意されているゲームイベントdatasetのjsonファイルをS3バケットにアップロード

1.データカタログ作成

  • GlueクローラーにアタッチするIAMロールの作成
  • Glueクローラーを新規作成して実行し、Glueデータカタログのテーブルを作成
    • S3バケットに格納したdatasetのテーブルが作成される

2.データ変換処理の作成

  • Databrewプロジェクトを新規作成
    • データソースには前工程で作成したGlueテーブルを選択します

  • しばらく待つとセッションが開始され、データが表示される

  • データプロファイルの実行を行う

  • データ変換のレシピを作成していく
    • 最終的にこんな感じになります

  • データリネージの図はこのようになります

  • レシピジョブを実行し、変換後のデータをS3バケットに出力する

3.Athena、QuickSIghtで可視化

  • Glueクローラーを編集して、変換後データの出力先を追加して保存、クローラーを実行して変換後データのテーブルを追加作成する
  • Athenaでクエリ実行して確認
  • QuickSightでデータセットを作成して可視化

最後に

すべてがサーバレス系のサービスで構築を進めていくため、手順内容や作業の難易度はわりと易しめで、Kinesis Data FirehoseやDatabrewを使ったパイプラインの構築を一貫して体験することができました。

とくにDatabrewのレシピ作成を学ぶ上でも良い題材だったと感じました。

Share this article

facebook logohatena logotwitter logo

© Classmethod, Inc. All rights reserved.