Geschäftsherausforderung
EveryMatrix, ein renommierter Glücksspiel-Aggregator und Top-Anbieter von branchenführenden SaaS-Lösungen für iGaming-Betreiber, zog eine komplette Überarbeitung seiner Altsysteme in Betracht, um qualitativ hochwertige Datendienste für seine EveryMatrix-Produktpalette bereitzustellen.
Ein integraler Bestandteil ihrer iGaming-Lösungssuite war ein Business Intelligence-Berichtssystem, das auf dem .NET- und MS SQL-Technologiestack aufbaute. Dieses Tool half den Spielanbietern, die Aktivitäten der Spieler zu überwachen, Rechnungen zu erstellen, Einnahmen zu berechnen und die Glücksspielgesetze einzuhalten.
Das stetige jährliche Wachstum der Zahl der Spieler, Spiele und Sportveranstaltungen stellt jedoch eine schwere Belastung für dieses Altsystem dar. Aufgrund gravierender Engpässe bei der Skalierbarkeit konnte es die zunehmenden Datenmengen, die von EveryMatrix-Lösungen, den CMS der Kunden und den Zahlungsanbietern kommen, nicht mehr reibungslos verarbeiten. Außerdem war es schwierig und kostspielig, das System aufrechtzuerhalten. EveryMatrix benötigte einen neuen architektonischen und technologischen Ansatz, um ihr 100-TB-Datenbanksystem effizient zu verwalten und eine ausreichende Skalierbarkeit für die kommenden Jahre zu gewährleisten.
Als vertrauenswürdiger Anbieter von fortschrittlichen Technologiediensten und großen Datenlösungen wollte Intellias leistungsstarke Mechanismen zur Erfassung, Aggregation und Verarbeitung von Daten aus allen EveryMatrix-Produkten einrichten und datengesteuerte Einblicke für alle Endkunden und Partner sicherstellen.
Gelieferte Lösung
Als langjähriger Partner von EveryMatrix hat Intellias das Unternehmen beim Aufbau einer Sportwettenplattform, bei der Einrichtung eines Zahlungsverarbeitungssystems, bei der Erreichung der PCI DSS-Konformität und vielem mehr unterstützt. Im Laufe der sechsjährigen Zusammenarbeit haben wir das Entwicklungsteam für unseren Kunden auf 110 Spezialisten erweitert, wobei mehrere Unterteams an verschiedenen Aspekten des Geschäfts unseres Kunden arbeiten. Eines der Projekte, an denen Intellias gearbeitet hat, ist eine Plattform für fortgeschrittene Datendienste, die umfangreiches Datenstreaming-, Verarbeitungs- und Berichterstattungsfunktionen bietet.
Um Echtzeit-, historische und vorausschauende Einblicke in den Geschäftsbetrieb zu bieten, hat das Team von Intellias eine neue Berichterstattungslösung mit den neuesten Business Intelligence-Technologien entwickelt. Diese Lösung beinhaltet:
- einen In-Memory Nachrichten-Broker für den Empfang von Datenfeeds aus verschiedenen Quellen
- eine spezielle Datenbank zur Speicherung voraggregierter multidimensionaler Daten
- eine kundenseitige Berichtsschnittstelle zum Erstellen, Präsentieren und Visualisieren von Geschäftsdaten
Datenerfassung und -validierung
Der Intake Message Bus, der in der Cloud läuft, sammelt Datenfeeds aus verschiedenen Quellen: EveryMatrix-Produkte, Kunden-CMS (Benutzerdaten) und Zahlungsanbieter. Diese Daten werden dann strukturiert, validiert und für die weitere Verarbeitung zur Verfügung gestellt. Der auf der verteilten Streaming-Plattform Apache Kafka aufbauende Nachrichten-Broker ist schnell, horizontal skalierbar und dank Datenreplikation fehlertolerant.
Datenintegration und -verarbeitung
Eine Reihe von freien Open-Source-Lösungen übernehmen die Integration von Quelldaten, indem sie diese in einem Cluster von PostgreSQL-Servern zusammenführen. Wir verwenden Apache Airflow für die Stapelverarbeitung, Apache NiFi für die Streaming-Verarbeitung und Confluent KSQL für Kafka Streams. Durch die Wahl dieser Dienste haben wir Kosteneinschränkungen beseitigt und das System skalierbarer gemacht.
Die Quelldaten vom Nachrichten-Broker werden extrahiert, transformiert und in das zentrale Lager und die Dimensionstabellen geladen.
Daten-Rendering
Unsere eigene kundenspezifische Visualisierungslösung stellt Daten zusammen und präsentiert sie den Kunden in Form von Berichten, Dashboards, Grafiken und Widgets. Widgets können direkt in EveryMatrix-Produkte – Casino Engine, OddMatrix, MoneyMatrix und PartnerMatrix – integriert werden, um kontextbezogene Daten für Spieler und Kunden anzuzeigen.
Um das stetige Wachstum der EveryMatrix-Benutzerbasis zu unterstützen, die inzwischen bis zu 5 Millionen Menschen zählt, haben wir mehrere innovative Lösungen entwickelt, die unseren Kunden helfen, mit dem Zustrom von Daten aus verschiedenen Quellen effizient umzugehen und ihnen umsetzbare Geschäftseinblicke zu liefern.
Cloud-Computing-Farm
Google BigQuery ermöglicht es uns, die leistungsstarken Rechenkapazitäten von Google zu nutzen, um eine schnelle Verarbeitung und Analyse großer Datenmengen zu gewährleisten. Große Datenmengen werden in kleine Stücke aufgeteilt, die in der Google Cloud gespeichert werden und durch Anmietung von Google-Ressourcen innerhalb von Sekunden verarbeitet werden können. Indem wir die Tausenden von Google-Knoten anfordern, die für die Berechnung kleiner Datenmengen in wenigen Sekunden erforderlich sind, erreichen wir eine schnelle Abfragedisposition und Datenerfassung von mehreren Rechnern, was zu schnellen Berechnungsgeschwindigkeiten führt.
Streaming-Plattform
Ereignisse und Daten von jedem Produkt werden in eine einzige Streaming-Plattform mit einer Datenerfassungsgeschwindigkeit von 1 Million Nachrichten pro Sekunde gebracht. Wir verwenden Apache Kafka, Kafka Connectors und Apache NiFi für den Ereignis-Hub und die Ingest-Verarbeitung.
Die Plattform ermöglicht es Datenexperten, eingehende Nachrichten mit einer Verzögerung von nur wenigen Millisekunden on-the-fly zu analysieren und entsprechend zu reagieren. Wenn ein Ereignis nach einer der im System konfigurierten Regeln klassifiziert ist, wird es auf Anfrage des Kunden an diesen weitergeleitet. Datenspezialisten können auch auf ein neues Ereignis reagieren, indem sie eine E-Mail oder Textnachricht senden, eine Anfrage zur Betrugserkennung stellen oder überprüfen, ob der Benutzer die Anforderungen des maschinellen Lernmodells zur Risikobewertung erfüllt.
Load balancer
Unser Team entwickelte ein effektives Lastmanagementkonzept, um die Kapazität zu erhöhen und hohe Lasten bei Verkehrsspitzen zu bewältigen. Unsere horizontal skalierbare Lösung weist die Benutzer verschiedenen Servern zu, die bei Bedarf zum Ring hinzugefügt werden können. Wir verwenden einen konsistenten Hash-Ring zur Zuweisung von Benutzern zu Knoten und einen Load Balancer zur Verteilung des Benutzerverkehrs auf die verfügbaren Rechner. Im Falle eines Lastanstiegs können wir die Anzahl der Server erhöhen, um der Belastung standzuhalten.
Vorhersage und Empfehlungsmaschine
Wir haben ein Empfehlungssystem für maschinelles Lernen entwickelt, das einen Mechanismus zum datenbasierten Vergleich ähnlicher Benutzer (auf der Grundlage von Geschlecht, Alter, Geburtsort, Verhalten usw.) und ihrer Kaufpräferenzen für Produkte und Spiele enthält.
Ein interaktives Empfehlungsmodell schlägt den Benutzern auf der Grundlage von Statistiken neue Spiele vor. Das Modell gewährleistet eine 90%ige Genauigkeit bei der Vorhersage des Wertes der Empfehlungen für Spieler. Die Umsetzung dieses Modells führte zu einem Anstieg der Kaufaktivität der Benutzer und zu einer spürbaren Steigerung der Verkäufe.
Zusätzlich stellten wir ein Betrugserkennungssystem, ein Modell zur Vorhersage, wann Benutzer die Webseite verlassen werden, und ein A/B-Testsystem zur Berechnung von Metriken zur Verfügung.
Unternehmensergebnisse
Intellias leistete einen bedeutsamen Beitrag zur Transformation von EveryMatrix, indem wir das Unternehmen durch unsere Entwicklungs- und Beratungsleistungen in eine neue datengestützte Richtung geführt haben. Unser starker Fokus auf Datenmanagement und -analyse half unserem Kunden, die Bedürfnisse ihrer Kunden zu verstehen und bessere Dienstleistungen zu erbringen sowie Kunden in die Lage zu versetzen, fundierte Entscheidungen zu treffen und anspruchsvolle Systeme auf der Grundlage von Daten aufzubauen.
Durch unseren tief greifenden Analyseansatz, der eine gründliche Analyse der KPIs für jeden Betreiber auf der Grundlage von Endbenutzerdaten beinhaltete, war EveryMatrix in der Lage, effiziente Entscheidungen über weitere Verbesserungen zu treffen. Dies hat zur Implementierung von auf maschinellem Lernen basierenden Lösungen geführt, die EveryMatrix wichtige Einblicke in das Verhalten der Endbenutzer geben. Von der Identifizierung und Empfehlung der relevantesten Spiele bis hin zur Eliminierung illegitimer Benutzeraktivitäten decken die von uns gelieferten Systeme zahlreiche Aspekte des iGaming-Geschäfts ab.
Die von uns entwickelte Lösung bringt diese Vorteile für unseren Kunden:
- Eine Always on-Architektur und eine Single-Source-Datenbank, die mit der gesamten EveryMatrix-Produktfamilie funktioniert
- Die Fähigkeit zur Verzehnfachung, wodurch unser Kunde Millionen oder sogar Milliarden von Transaktionen abwickeln kann, ohne die Reaktionszeit für die Erstellung von Berichten und die Durchführung von Echtzeitberechnungen zu erhöhen
- Verbesserte Berichtlaufzeitleistung durch Datenvoraggregation
- Ausführliche Berichterstattung mit Ad-hoc-Drill-Down bis auf die Ebene der Transaktionsdaten