在网游市场规模庞大，增速放缓，竞争日趋激烈的现状下，如何通过大数据技术来实现精细化、个性化的手段来改善用户体验、进一步挖掘用户价值成为游戏运营中的一个核心诉求。探究腾讯游戏大数据精细化运营之路的背后技术，我们并没有革命性的算法体系产生，而是将机器学习算法，大规模并行化计算系统，以及具体的数据和应用场景进行有机结合方面的应用创新。

1: 面对数百款游戏，每天新增上千亿条的用户数据，我们如何来进行实时的采集入库，如何进行存储。存储后的数据通过算法如何来应用到游戏的运营中，从而影响游戏的新进，留存，以及付费等生命周期的核心指标？这里，我们会首先会介绍在腾讯游戏的大数据体系的建设。包括有数据体系，系统架构体系，以及算法体系，以及应用场景体系方面的一些基础知识。

2: 用户画像体系是连接基础数据和实际应用场景的纽带，这个部分我们会详细介绍我们如何理解游戏用户以及整个体系建设的一些技术点，例如，一个用户的画像包含哪些描述标签，如何通过图算法来挖掘用户在游戏的虚拟关系链中的位置和作用等。

3: 对于腾讯运营的端游名著，都经历了5～7年的长时间运营，道具体系庞杂，有很多游戏都有几千款，甚至上万款道具。用户要找到自己喜欢的道具异常困难。如何实现个性化的道具推荐，不仅对游戏的整体收入，而且对用户的整体购买体验都至关重要。本部分会讲述游戏道具推荐的算法体系和系统架构。