如何使用实时数据创建沉浸式玩家体验

迈克尔·克里格斯曼：今天，我们正在与电子艺界技术增长战略副总裁法拉·阿里谈论大规模实时数据。在我们继续之前，我必须说一声衷心的感谢，感谢 Redis 让这次谈话成为可能。所以，感谢 Redis。法拉，你好吗？很高兴今天见到你。

法拉·阿里：你也是，迈克尔。我很好。

迈克尔·克里格斯曼：法拉，跟我们谈谈电子艺界。这是一个品牌名称。我们都知道电子艺界的名称，但给我们一些内幕消息。

法拉·阿里：嗯，我们说我们在 EA 的使命是激励世界玩游戏。这就像一家公司一样。我们真正专注于打造最好的游戏、数字内容和服务，以使客户体验、玩家体验令人愉快。我们真的将游戏视为一种建立联系、建立意义和保持好奇心的方式。无论你的年龄，无论你的人口统计。所以，它实际上是关于有趣、娱乐、有连接性的体验。

迈克尔·克里格斯曼：我喜欢这个。我很高兴谈论数据，以及数据如何支持你刚刚描述的使命。那么，法拉，你的角色是什么？我知道你是技术增长战略副总裁，但那意味着什么？你在电子艺界从事哪些活动和工作？

法拉·阿里：这是一个非常有趣的角色。它混合了技术战略、公司战略和公司发展角色。我主要做的是，我关注新兴和未来技术，以及它们与我们的技术战略应该如何相关。所以，把它想象成创造我们技术战略的未来适合性。作为其中的一部分，我正在进行一些特殊项目和孵化项目。我关注技术并购。我们是否应该投资于某些技术？我们是否应该购买某些技术？

这实际上就是关于如何确保我们保持竞争力？以及您听到的每一个新趋势、想法或技术，我们都会有人评估其价值。评估它，但将其与我们作为一家公司的所作所为、我们的目标联系起来。所以技术不是终点，而是如何使用它来进一步取悦我们的玩家并为玩家体验提供动力？

迈克尔·克里格斯曼：所以你将技术视为对您之前描述的那种很棒的玩家体验和沉浸式体验的支持者或推动者。

法拉·阿里：没错，没错。我们如何确保自己具有竞争力，对吧？我们不能落后。当我们考虑区块链技术之类的事情时，它在哪些方面是相关的？当 VR/AR 首次出现时，在这个领域始终有持续的实验。但我们不会大规模推广，直到我们真正看到机会、杀手级体验、收入增长机会。

迈克尔·克里格斯曼：所以，这一切都是为了支持你的客户，非常具有战略意义。

法拉·阿里：没错。它非常支持我们的客户，我们的玩家。如果对我们的玩家没有意义，如果它没有以某种方式增强玩家体验，如果它没有以某种方式为游戏体验增加价值，那么我们不会纯粹从技术角度考虑它。

迈克尔·克里格斯曼：我知道你非常关注数据。你使用大量的实时数据。你能描述一下数据如何在您刚刚为我们概述的总体战略图景中发挥作用吗？

法拉·阿里：是的，我的意思是，我们每天都会收到由用户生成的 PB 级数据。这些数据来自正在玩的游戏、正在运行的服务、正在发布的内容、我们正在进行的活动。所以，所有类型的数据。我们针对很多不同的用例来查看它。

我认为，当您考虑我们如何使用数据时，主要有四种不同的角色。所以，有业务领导者。他们大多不需要实时数据。他们真正关注的是一些关键的客户指标。他们关注趋势。他们确保一切按预期发展。玩家的平均支出是否处于正确的位置？玩家平均每次参与游戏的时长是多少？玩家的情绪如何？

因此，有时每日波动只是噪音。它并没有真正指向一个方向。所以，这实际上是随着时间的推移而变化的趋势。但是，可能有一些情况是隐私、合规性问题，或者存在地理敏感问题。因此，数据也具有实时方面，高管可以实时做出反应。所以，这些数据对于业务领导者、执行决策和策略而言至关重要。

然后，有制作人或游戏开发者。他们真正关注的是玩家体验。制作人、游戏设计师正在查看数据并说：“我以这种方式放置了这个游戏地图。这里有一座建筑。我有这些你可以互动的内容。玩家是否按照我预期的方式与游戏互动？”

因此，这是一个不断循环的玩游戏测试、获取数据、回到绘图板和反复迭代的过程。因此，我们正在打造最好的游戏。我们正在按照它实际使用的方式构建体验，而不是我们认为它应该使用的方式。所以，这里有很多实时遥测数据，但它并不总是针对正在运行的游戏。它也适用于正在制作的游戏。

然后，有分析师。分析师正在查看如何从数据中获得见解？所以，您有指标，您有一些定量数据，您有一些定性数据。如何将它们拼凑起来以真正理解它？或者进行可以证明或反驳的实验。或者，您可以测试的假设。或者，只是查看预测和趋势。分析师通常会与业务领导者、制作人、游戏开发者配对，以帮助他们挖掘这些数据。

然后，有您的工程师。您可能有数据科学家。您有数据分析师。所以，您有数据工程师，然后您有普通的软件工程师，他们实际上正在构建系统。所以，他们正在弄清楚如何构建正确的标准化遥测数据？这些数据将被收集和存储在哪里？如果是实时数据，我们的系统的可扩展性如何，以便数据可以输入？

本质上，使其成为一个系统，可以让所有需要访问这些数据的人轻松访问。然后，最上面的工作流程是自助式的。例如，游戏开发者将大部分时间花在专注于游戏和开发游戏上。他们不必担心遥测数据、构建系统或捕获数据。因此，这些工程师可以按比例完成这些工作。这基本上是我们看待数据的四种方式。

迈克尔·克里格斯曼：听起来数据被深深地编织到公司的结构中，编织到公司的 DNA 中。

法拉·阿里：没错，的确如此。我提到的某些角色，您可以考虑用例。例如，游戏制作人、游戏开发者，他们真正考虑的是大规模个性化。所以，当您玩游戏时，应该感觉它就是为您量身打造的。娱乐方面是按照难度不过高，也不过低的方式构建的。所以，有一个动态难度部分，对于不同的人来说是不同的。

如果你正在玩一款与其他玩家一起玩的游戏，这就是多人游戏，我们如何将你与合适的技能水平匹配？不要太高也不要太低。所以有很多方法可以考虑如何使用这些数据。因此我们考虑大规模的个性化以及为此所需的数据。我们考虑 - 我们称之为智能质量应用程序。这可以从在游戏中查找错误到现场问题，再到欺诈检测、作弊。

然后还有一些像程序生成这样的东西。那么如何使用数据来创建史诗般的世界呢？创建角色？创建面孔？所以你并不是手动创建这些东西。你实际上是在使用数据并从中学习。并通过算法创建世界、游戏、角色和游戏等等。

然后还有一些像游戏中可信角色这样的东西。你有非玩家角色。你有 - 在 FIFA 中，你会看到玩家跑步的草坪。它会随风摇摆，就像你期望的真实草坪一样。所以我们关注的是微不足道的事情。微小的细节让你的体验更身临其境，更真实。是的，这些是我们考虑数据的方式。

迈克尔·克里格曼：你提到了一些非常有趣的东西。用数据来创建世界。最近围绕 Facebook 的元宇宙有很多讨论。你能让我们一窥你如何使用数据来创建世界吗？这是一个非常有趣的提议。

法拉·阿里：我认为这与元宇宙的想法略有不同。如果你想一想，如果你今天要构建一款游戏。假设这款游戏是你想要看一本你非常兴奋的科幻小说。你想把它改编成一款游戏。只要想想角色的数量。想想你必须绘制的世界。然后是你要创建的场景，要动画化。这是很多手动工作。而且，这会导致上市时间很长。

因此它 - 部分原因是效率问题。所以我们不需要实际去拍摄和动作捕捉 100 个人，只为了在例如 FIFA、Madden 或其他一些体育游戏中创建观众。但如果我们有足够的数据，我们实际上可以去创建人群。所以他们不是真实的人，而是用算法生成的。所以部分原因是效率，部分原因是真实感。你在电影中看到过，你在计算机生成的场景中也看到过。

在元宇宙方面，我们考虑的是沉浸感。所以，我们真正考虑的是你如何与游戏互动，让你感觉自己身临其境，甚至不用考虑 AR、VR 或这些技术。而做到这一点的方法之一就是让游戏体验非常非常流畅。当你进入角色时，你会感觉自己就是角色。你是故事叙述的一部分。它真正关乎叙事。它真正关乎游戏机制。它真正关乎游戏心理学。

元宇宙本身是一个迷人的话题，我认为围绕它有很多讨论。我认为，对我来说，它最核心的就是身份。那么如何拥有一个在所有你使用过的在线属性上都相同的在线身份呢？所以，如果我有一个特定的身份，我希望这个身份与 YouTube、Twitter、我的 EA 账户绑定，或者当我访问 Facebook 时，或者当我玩史诗游戏时。这些组织之间如何实现互操作性。

我认为，对我来说，这些都是一些挑战，互操作性和核心身份。因为你如何做到这一点，同时仍然保持去中心化的环境？我认为最后关于元宇宙的，关于数据的最后一部分是，谁对数据负责？所以会有很多人创建很多内容。谁负责管理这些内容？

谁负责关注 - 我们关注游戏玩家的个性化数据。因为我们有一个使命，我们对我们的游戏玩家有责任。而那个元宇宙并不是由任何人拥有或控制。是集体社区来决定这些体验是什么样子的，以及是否应该个性化。所以我很想知道它将如何发展，以及围绕它的治理将如何发展，以及围绕它的审核将如何发展。

迈克尔·克里格曼：很多非常有趣，而且非常开放的问题，我怀疑这些问题在几年内都不会得到解决。当你收集游戏玩法周围的数据时，游戏是否经过了严格的检测？你如何获取这些数据，以及当玩家在游戏中移动时，你对这些数据做了什么？

法拉·阿里：所以我们确实有一个标准化的遥测系统。这很重要，因为这样游戏团队就可以决定他们想要查看的指标类型、他们想要进行的分析类型。为此，他们应该启用什么样的检测。所以，当你检测像这种游戏是模式 x，而 x 代表某样东西这样简单的事情时。

你实际上可以以一种非常标准的方式在游戏中检测它。这意味着当你实际转 - 实际消化或摄取这些数据，并转换这些数据时，它会按照你期望的方式输出。这意味着你可以拥有标准化的仪表板、标准化的报告。所以遥测和检测标准化是我们在处理和管理数据时非常重要的原则。

另一部分是如何 - 例如，当你玩游戏时。假设它正在生产中，它是在线运行的。最重要的事情之一是性能、可靠性和正常运行时间。如果你正在玩游戏，你实际上要赢了，然后，砰，你断开了连接。你一分钟都无法连接回来。游戏结束了。你输了那个历史。那些数据消失了。例如，你在这场比赛中赢得的任何金币都可能消失了。那么如何确保这种情况不会发生呢？

你不能一直不间断地运行。但是，你如何才能保证可靠性，让你拥有持续的体验。所以我们真正考虑的是寻找异常检测。我们围绕它进行了检测。一个例子是，我们查看任何给定时间内的峰值同时用户数。我们会绘制曲线来查看实际的 PSU 是什么样的，以及预测值是什么样的。

然后我们会测量实际值和预测值之间的差异。如果差异大于我们期望的值，那么我们实际上会将其标记为异常。然后，这种异常通常会有更多数据指向，哦，这是数据中心的停机。或者这是通道中的光纤断裂。或者这个 ISP 正在以这种方式交互。或者我们在服务器端遇到了崩溃。

然后其中一些实际上可以自动修复。例如，游戏里可能存在一个错误。而且，游戏服务器运行了 x 个小时。而且内存，它一直在累积。它用完了内存。因此，当检测到这种特定异常时，它可能会去重启那台机器。但是，它也可能会在事件管理流程中打开一个工单，可能会说，在这个特定的代码中发现了这种内存不足异常。这需要修复并加入到我们的下一个补丁中。

所以有很多自动处理它的方法。也有很多手动处理它的方法。另一个例子是当我们进行匹配时。所以，如果有人一直在线，并试图与另一个玩家匹配。而他们没有匹配成功。如果已经超过了一定分钟数，甚至秒数，那么就会有一些东西启动。我们会让，你在这里与机器对战。这里有一个 NPC 角色你可以与之对战，因为可能在线的人不多，或者可能我们无法连接到那个地理位置。这就是另一种方法。

最后一个例子是，例如，安全或欺诈。所以我们会有一些方法来检测游戏中是否有坏人。一个例子是，我们有 - 我们知道所有玩家使用的 Xbox 设备。我们可能只知道哪些设备有一个被封禁的账户，或者一个以上的被封禁的账户，或者没有被封禁的账户，以及它们是如何连接在一起的。

然后，我们会根据此信息为玩家分配风险评分。然后根据我们检测到的入侵类型，它可能会导致某种形式的临时黑名单。它可能会导致临时暂停。它可能会导致某种其他机制，其中会有一些与玩家的沟通。或者，如果情况非常严重，那么就会彻底封禁玩家，这种情况很少发生，而且可以提出异议。

所以这些事情都会发生。当你有很多人参与的实时在线游戏时，你必须确保这种体验是安全的、安全的，并且是公平的。这个生态系统中的每个人都有公平的机会赢得或输掉。所以，当我们真正考虑现场和数据时，我们会关注很多这些事情。

迈克尔·克里格曼：就像你之前说的，听起来你正在处理大量的实时数据、非实时数据、定量数据、定性数据，所有这些数据混合在一起，同时流动。

法拉·阿里：没错。是的。我的意思是每天都会生成 PB 级的数据。所以我们有大约 5 亿全球玩家，以及 300 多款游戏。所以你可以想象我们获取的数据类型。EA 从 82 年开始就存在了，所以我们也有很多历史数据。我们也使用这些数据来查看我们游戏的更新版本。

我想说，一些实时用例，就像我说的，是围绕安全合规性、现场、正常运行时间、性能、可靠性。它也用于像，我们是否规模合理？我们是否启动了过多的服务器，而玩家却太少？所以我们需要缩减规模，并确保我们具有成本效益？

然后是第二部分，即非实时数据。你可能不需要像一些现场报告指标那样详细的粒度。所以，如果你想查看预测、预算、随时间的舆情，或者游戏中平均游戏时长。或者每个玩家的平均消费，就像我说的，游戏中随时间的消费。你想在历史数据中查看它。你想要能够以多种方式对其进行切片和切块。

所以，非实时数据的重要之处在于数据的分类。我是否可以看到特定区域中最常见客户支持问题？我是否可以按特许经营权进行分类？我是否可以按渠道 ID 进行分类？我是否可以按客户服务代表进行分类？我是否可以按已打开和关闭事件数进行分类？那么你之后用这些数据做什么，是数据收集方式的一部分。

我认为最后一块拼图是将实时数据和非实时数据混合在一起。我之前提到了领导者需要查看趋势，但同时又需要实时了解是否发生了什么严重的事情。该如何应对呢？有时候，你需要作为高管，针对世界现状发表声明。你会看到各种各样的事件发生。

这也与我们的员工、环境以及我们所处的世界有关。我们不仅仅是来制作游戏并从中获利，我们还存在于一个生态系统中。我们如何与这个生态系统互动也是其中重要的一部分。

MICHAEL KRIGSMAN：Farah，你收集了如此多不同类型的数据。对于许多企业来说，当他们收集这些数据时，很难确定重点。那么，你如何优先考虑查看哪些数据，以及放弃哪些数据呢？

FARAH ALI：这是一个好问题。你知道，我认为我们也没有做到完美。我认为很多人，很多公司犯的一个错误是，没有问自己，你想要得到哪些问题的答案？你想要进行哪些实验？你如何评估这些实验？

如果我想查看时间趋势，我不需要每五分钟或每十五分钟收集一次数据。每小时的粒度就足够了。每两小时或每天的粒度也足够了。如果没有问自己这些问题，就意味着你在过度设计，最终构建的系统会花费很多钱。

我认为第二点是，有些东西在水平方向上难以扩展。所以你创建了定制系统，并且绑定到本地托管解决方案。因此，我认为关键在于提出正确的问题，并真正回到用户画像。你有你的商业领导者或高管画像，你的工程师画像，你的制作人、游戏设计师画像，在我们的例子中。在其他情况下，可能是医疗专家画像，以及他们需要什么样的数据。然后还有分析师。

并不是所有这些人都需要实时数据。其中一些人是非技术人员，他们不需要了解数据是如何组织的，或者背后的数据结构。你只需要提供一种自助方式来访问数据，立即访问数据，并能够处理数据。

因此，关键在于在你的存储管道和查询处理管道之上构建这些工作流，允许每个人即插即用。在这种情况下，你可能有一个中心-辐条模型，其中分析师甚至可以创建自己的机器学习模型，或者他们自己的即插即用组件，这些组件可以插入。因此，他们可以进行所需的处理。

但关键在于事先提出正确的问题，了解数据中需要实时处理的比例，然后在实际设计系统时将其考虑进去。然后使其可扩展。因此，构建一个即插即用或模块化组件，这样你就可以随着时间的推移，针对现在无法预见的新用例进行扩展。

MICHAEL KRIGSMAN：你对角色以及每个角色需要进行的数据类型和分析类型都有很清晰的认识。我不得不认为，这种清晰度部分源于你们作为一个组织的长期运营。正如你所说，你们公司已经存在了几十年。

FARAH ALI：是的。一部分原因是，我的个人清晰度来自于我长期担任运营者。我从一名工程师开始，是一位个人贡献者。我担任过人员经理，管理过大型工程团队。因此，我亲身经历过这些痛点。

我经历过没有完善的遥测系统或仪器系统，不得不构建这些定制系统，然后每次都不得不构建一个转换层。当你需要的时候，无法获得实时数据。无法在出现问题时在实时环境中进行调试和故障排除。因此，这部分原因是我从过去的经验、过去的错误和失败中吸取了教训。

然后是第二点，是的，当你拥有历史数据时。当你看到特许经营权是如何成功或失败的。当你拥有如此多的情感数据时。关于游戏玩家的一件好事是，他们非常善于表达。你不会在从这些客户群中获得反馈方面遇到任何问题。他们在推特上，他们在 Reddit 上，他们打电话给我们，他们在聊天中，他们在发邮件。我们挖掘了所有这些信息。

因此，我们可以实际查看情感，然后围绕这些情感创建主题。因此，我们对哪里出现问题以及哪里可以解决问题有了很好的了解。哪些数据是我们之前没有想到的？这些数据是否会回到我们的游戏制作流程中？我们是否利用这些数据来制作下一个实时内容发布？人们是否要求更多特定类型的武器？还是更多特定类型的面具或皮肤？我们是否应该去制作它们？

例如，随着时间的推移，你已经了解到人们喜欢在游戏中看到自己，尤其是模拟人生，这是一款模拟游戏。所以我们收到了很多关于万圣节的反馈，以及我们庆祝的所有这些事情。因此，随着时间的推移，我们已经将这些反馈考虑在内。

我们实际上有一个非常酷的部门，叫做积极游戏，我相信。他们只关注如何让我们的游戏对玩家更具包容性。因此，他们从完全不同的角度查看数据。因为他们从公司社会责任的角度看待数据，以及如何确保每个玩家都感觉自己参与其中。所以，是的。我认为，长期以来，既站在工程师和分析师的角度，又站在玩家的角度，真正像玩家一样思考。我认为，这有助于我们获得这种清晰度。

MICHAEL KRIGSMAN：所以你将这两方面融合在一起。我一直在使用这个词“清晰度”。幕后与玩家视角的融合，它们相互叠加。所以你处理着如此多的数据，而且数据以如此快的速度涌入。你需要什么样的基础设施来管理这种爆炸式增长的数据量？

FARAH ALI：没错。是的，我认为这个问题的另一个方面是，你并不总是知道你需要这些数据做什么。比如，我们不知道元宇宙需要什么，或者未来的其他用例需要什么。因此，在任何基础设施级别，你都需要考虑存储。然后你需要考虑是否需要立即访问这些存储？或者它是冷存储？那么如何决定是立即需求还是长期归档？

因此，我们有存储部分，然后有摄取层。那么如何实际摄取来自你的游戏的所有数据，以及来自社交渠道的数据呢？比如推特、Metacritic 等。来自你的财务系统、会计系统、以及许多其他来源。因此，你需要一个地方来摄取和聚合这些数据。

然后，你需要一种方法来访问这些数据。因此，你需要构建自助式 API。你需要构建自助式工具。你需要构建工作流，让任何人都可以创建他们需要提取数据的工作流。例如，可能有数据分析师使用的数据转换和加载工作流。分析师可能会使用实验管道。

因此，你实际上可以在你的工作流之上构建整个 AI 和实验管道。这实际上是我们拥有的。它是你的数据训练、测试、预测/评估管道。因此，你实际上可以针对异常检测、欺诈检测等各种情况构建模型。

因此，你有你的基础设施。你有你的堆栈。然后你有你的团队需要使用它，并且他们正在构建应用程序的特定部分。将其视为一个插件提供商模型，他们在其中编写自己的插件。也许是为了他们的部分内容、应用程序或服务。但我们提供——核心数据团队提供存储、摄取、访问和核心 AI 和实验平台的关键工作流的基础设施。

MICHAEL KRIGSMAN：你描述的这种基础设施，有多少是基于云的？有多少是本地的？你是如何决定将基础设施的哪些部分放在云中，哪些部分放在本地？

FARAH ALI：是的，这是一个好问题。所以我们实际上采取了将工作负载转移到云中的策略，并且已经执行了数年。我认为，大多数工作负载都在云中。我认为另一个原因是，游戏用例变得如此重要，以至于云提供商也开始构建合适的 SKU。最初，我们需要 GPU，而我们无法从这些提供商那里获得 GPU。现在，这已经很普遍了。

所以我们的大多数工作负载都是基于云的，这让我们在规模、区域覆盖范围、地理分布方面具有优势。此外，它方便了我们所有数据管道、开发人员和分析师的访问。

我认为，在本地，我们过去会将 BII 数据放在本地。或者出于某种安全原因。或者出于某种合规性原因。或者，如果有一个非常定制的游戏服务器，一个非常特殊的定制游戏服务，只有我们才能在本地运行。我认为，这是一个例外。我们的目标也是，一旦我们看到一种在云中实现商品化的服务，我们就会将其转移到云中。主要原因是规模和效率。它真的帮助我们更好地进行规划。

所以，我们在游戏开发中会做的一件事是，在进行制作和游戏开发的同时，我们在基础设施方面不断测试游戏服务器密度。因此，我们查看每个游戏服务器的玩家数量，以及如何对其进行调整。因此，我们可以实际查看并说，好吧，我们可以通过将大小调整到特定密度来节省数百万美元。

然后，我们进行大量的性能和扩展测试。因此，如果我们查看过去的数据。我们会说，好吧，对于去年发布的同类型特许经营权，第一天、第二天、第三天的峰值用户数量是这些。然后，我们会尽可能地回溯查看。然后我们使用这些数据。我们会查看预售情况，以预测未来实际进行测试时，峰值使用情况会是多少，是 2 倍、3 倍还是 5 倍。然后，我们会尝试从一个合理的规模开始，但我们会做好准备，以便能够在后端轻松地启动服务器。

你可以在本地做到这一点。这非常非常困难。你需要购买机器。你已经为此付费了，如果你的使用量没有达到预期怎么办？因此，你最终会浪费很多钱。这就是我们思考的方式——我们不绑定到任何特定提供商。因此，我们努力采用混合策略，以便能够利用所有提供商的服务优势。

MICHAEL KRIGSMAN：延迟以及访问、传输和沟通这些数据的速度是否会影响你们在云和本地之间做出的决定？

法拉赫·阿里：当然，当然。云提供商的优势在于，在过去十年左右的时间里，几乎没有他们不存在的地区。我认为，最初，这是一个挑战，因为如果没有——我们在中东有很多玩家，但我们附近没有数据中心。因此我们不得不去。例如，我们在那里有一些非常重要的体育游戏玩家。我们希望确保他们获得合适的带宽。

但现在，我们实际上可以将这些工作负载迁移到云中。因此，在大多数情况下，这不是问题。对于某些地区来说，这仍然是一个问题。但这也是因为他们在这些特定地区的本地费用和带宽受限。在这种情况下，我们有时需要做一些专门的事情。但总的来说，我认为云已经为我们解决了这个问题。拥有区域数据中心确实为我们解决了这个问题。

我们所做的是——我们构建了我们的游戏，使其具有模块化和组件性。实际上，您可以去任何特定的容器中进行部署。因此，一旦您将游戏容器化，就可以很容易地将其部署到任何地方。这就是我们所做的转变。否则，以前它是以一种仅在定制的本地机器上运行的方式打包的。

因此我认为我们仍然会遇到一些性能问题。我们有橡皮筋问题。有时，这是因为有太多的在线流量。我认为去年我们肯定受到了考验。每个人都在线，并非每个人都在玩游戏。因此，这使我们能够更好地预测和处理额外的工作负载。

迈克尔·克里格斯曼：听起来随着云提供商的改进和不断发展，它让你的生活更轻松。它提供了过去没有的很大程度的灵活性。

法拉赫·阿里：绝对，因为我们需要始终在线。我们必须。随着订阅模式和生命服务模式，我们必须始终在线。以及这种原始计算能力，即比以前能够获得更多原始计算能力。以及我们可以根据需要进行水平扩展的事实，这确实帮助我们加快了上市时间，以及规模。

我认为对我们真正奏效的是，许多云提供商都是很棒的合作伙伴。当我们看到一个不存在的用例时，我们可以实际向他们解释。然后，这将帮助整个社区，因为其他人可以从这种特定的 SKU 中获益。

因此，我认为如果没有发生这种情况——如果你只能使用一家供应商，并且市场上存在某种竞争——那将非常困难。因此，供应商必须为我们提供比其他供应商更好的服务才能让我们使用他们，这对于我们来说是一件好事，因为我们总是在获得更好的服务。我们始终可以获得优质的客户服务，并可以接触到想要构建我们使用的东西的架构师。

迈克尔·克里格斯曼：法拉赫，你已经多次提到稳定性和性能的重要性。你如何平衡成本和弹性、可用性、稳定性和性能的水平？因为你看，如果你花足够的钱，你就可以实现几乎 100% 的正常运行时间。但你可能再也做不了生意了，因为你负担不起维护的费用。那么你如何平衡这种关系呢？

法拉赫·阿里：是的，我的意思是，我认为我之前提到的游戏身份示例触及了这一点。因为我们正在预测我们认为流量会是什么样子。因为我们正在测试它。因为我们正在测试两倍和三倍，所以我们对适当调整有了更好的了解。然后，我们正在构建我们的基础设施，以便我们可以进行水平扩展。

因此，当我们开始时，假设你是早期访问测试版发布。我出去了。我认为我会获得 500 万用户。我实际上获得了 2000 万。好的，你知道这不会让我害怕。我只是去启动更多服务器。你会意识到，我们获得 2000 万而不是 500 万的原因是，营销也进行了这场活动，每瓶可口可乐都会让某人免费注册。因此，我们实际上预计流量会在两三天内降至 1，因为促销活动在那时结束。

因此能够监控它，然后能够旋转回来，然后能够缩减规模，这有助于我们维持它。并且按使用付费模式允许我们根据实际使用情况付费，这确实对我们有所帮助。因此，即使我们错了，从 1 到 20 的幅度很大，但如果我们正在监控，我们仍然可以进行纠正。所以关键是监控。关键是知道什么时候监控，当你有数据点时，实际上要了解它的含义。

有时营销会开展一项活动，并且实际上不会有密切的沟通。也许游戏团队不知道正在进行这项活动。因此，会浪费时间来弄清楚这一点。因此，这些是实际上更重要的方面。当您发布时，您知道围绕该发布的所有内容。然后，您可以相应地进行计划。

但能够进行测试，甚至在测试环境中，在预生产环境中启动云服务，实际上让我们测试了这种规模。这更准确地说出生产中将具有的配置。不过度配置是避免花费超过必要金额的关键。

迈克尔·克里格斯曼：当然，您拥有这个庞大而准确的历史数据，这使您能够运营业务的这一方面，即这种预测和规划方面。

法拉赫·阿里：没错。我认为仅仅拥有历史数据，而且还进行过多次发布，我们在发布中使用过它，但我们也错了。我们已经调整了，我们已经纠正了。因此，我们实际上可以对我们的预测充满信心。

我认为当我们拥有一个全新的 IP，或者我们针对的是一个全新的受众群体，或者我们正在尝试一些全新的东西时，就会很困难。但是，我怀疑，这对每个人来说都很难。这不是独特的。但随后，有一些方法可以进行离线测试。有一些方法可以收集离线数据，我们已经通过早期游戏测试和与我们实际交谈以获取反馈的玩家群体来做到这一点。

迈克尔·克里格斯曼：在实时数据方面，创新是什么样的？实时数据的使用未来在哪里？

法拉赫·阿里：我仍然认为，当涉及到数据时，AI 和 ML 是我们可以从中提取最大价值的地方。在游戏社区中，围绕 NFT、区块链和元宇宙，以及所有这些内容有很多讨论。但我仍然认为，如果你看一下技术的原始潜力，我们可以在哪里为游戏创造最大的价值，我认为是人工智能和机器学习。

我一直在谈论程序生成。想想我们可以从中提取的价值，但随后想想能够真正完全了解你生态系统中的每位玩家。然后能够构建可以学习的机器学习模型。以及可以从我们拥有关于这位玩家的所有这些数据中，通过渗透进行学习的深度学习模型，所有关于他们的信息。然后想想它创造的价值。所以我们现在拥有了所有这些，我们如何才能增加更多价值？我们已经拥有了他们作为玩家。

然后我认为创新可以发生在第二个地方，那就是了解 Z 世代。这些 19 到，我想，30 岁的年轻人将要玩这些游戏。他们在寻找什么？他们对什么感兴趣？他们在网上的行为是什么样的？他们可能会与我们的一些游戏互动，但不会与其他游戏互动。为什么不？以及当他们与不同的游戏互动时。如果他们玩模拟人生，但他们不玩 FIFA，但他们对麦登在某个特定时间段感兴趣。为什么是这样？

因此，我们实际上可以查看数据来做故事讲述。然后，利用这种故事讲述来帮助我们获得可操作的见解，帮助我们做出商业决策。我认为那就是它。当我想起商业领袖和高管时，他们非常擅长建立联系。他们不太擅长机器擅长的事情，即查看大量数据并理解它。但是，一旦您能够理解它，您就可以将其与上下文一起呈现给合适的人。然后，他们可以从中学到很多好主意。

因此，这将帮助他们做出更好的高管决策。这将帮助他们讲述故事。并且这将帮助他们更好地了解他们的玩家和客户，这是关键。客户现在在做什么？Z 世代或新的人口统计在做什么？

然后，如果我们想要进入这些新的商业领域，如果我们想要进入这些新的市场，如果我们想要创造以前不存在的这种新的 IP，我们如何才能理解谁在寻找它？他们想要从中获得什么？我们如何为他们从中提取价值？我认为数据、AI 和 ML 在其中仍然发挥着重要作用。

迈克尔·克里格斯曼：我发现有趣的是，许多公司都在努力收集数据，弄清楚数据类型以及如何收集这些数据。在您的情况下，您拥有如此大量的非常高质量的数据。所以挑战就变成了创造力，创新在于我们可以用这些数据做什么？现在我们有了它。我们该怎么办？

法拉赫·阿里：是的，没错。我认为根据你的观点，我们如何确保它不是噪音？有时你会遇到非常热心的领导者，他们会说，是的，我们必须收集所有东西。但实际上，如果你看一下公司的仪表盘，它们是最不常用的工具。人们不喜欢看图表。他们不喜欢看仪表盘。他们希望在他们正在做的事情的背景下了解数据。因此，我认为关键在于，我们如何在数据之上构建实际提供这些有趣的可操作见解的东西？然后是它之上的操作，取决于你的角色和你的功能，这就是你随之而来的东西。

但我认为减少噪音，减少你必须收集所有东西的这种想法。你可以收集所有东西，但你可能永远不会使用它。因此，明智地选择您要收集的数据。明智地选择您的数据策略，并明智地选择您计划用它做什么。当您真正明确了解如何将其用于最佳的未来技术策略时，您就能做到这一点。

迈克尔·克里格斯曼：好的。法拉赫·阿里，非常感谢您与我们分享您的经验和专业知识。这是一个引人入胜的对话。

法拉赫·阿里：谢谢你，迈克尔。感谢你邀请我。我真的很享受。