Профессиональная разработка системы аналитики крипто-казино

Оператор крипто-казино с 50 000 активных игроков обнаружил, что GGR падает на 15% квартал к кварталу. Причина — неоптимизированные бонусы и плавающий RTP. Без качественной аналитики казино работает вслепую: бонусные кампании расходуются бесконтрольно, отток растёт.

Мы разрабатываем системы аналитики для крипто-казино, которые превращают сырые данные в управленческие решения. Наша команда — сертифицированные ClickHouse-инженеры с 5+ летним опытом в iGaming-аналитике. Мы реализовали 30+ проектов, обрабатывающих до 10 млн ставок в день. Один из клиентов терял $250 000 ежемесячно из-за неоптимизированных бонусов — после внедрения системы аналитики убыток сократился на 40%. В другом проекте мониторинг RTP помог устранить баг в смарт-контракте, сэкономив $75 000 за квартал. Начните с пилотного проекта — получите первые метрики за 2 недели.

Система строится на ClickHouse с моделью star schema и ETL-пайплайнами на Python. Колоночная СУБД даёт 10-50-кратное ускорение агрегаций по сравнению с PostgreSQL. Star schema разделяет факты (ставки) и измерения (игроки, игры), что упрощает масштабирование. Дашборды в реальном времени дают полную картину бизнеса: от игровой сессии до глобальных трендов. Проект с нуля до продакшена занимает от 4 недель.

Ключевые метрики аналитики крипто-казино

Вот показатели, которые мы отслеживаем:

GGR, NGR и RTP — база для любой аналитики. Без них невозможно оценить эффективность бонусов, выявить точки слива и спланировать ликвидность. Например, если RTP по слоту превышает 100%, это сигнал для немедленного аудита контракта.

Как построить эффективное аналитическое хранилище?

Оптимальная архитектура — star schema на ClickHouse. По сравнению с PostgreSQL запросы на агрегацию работают в 10–50 раз быстрее благодаря колоночному хранению. Пример структуры:

-- Fact table: каждая ставка CREATE TABLE fact_bets ( bet_id String, user_id String, game_id String, session_id String, bet_time DateTime, amount Decimal(24, 8), currency LowCardinality(String), winnings Decimal(24, 8), ggr Decimal(24, 8), is_free_bet Bool, bonus_used Nullable(String), game_category LowCardinality(String), country LowCardinality(String), device_type LowCardinality(String), ) ENGINE = MergeTree() PARTITION BY toYYYYMM(bet_time) ORDER BY (user_id, bet_time); -- Dimension: игроки CREATE TABLE dim_users ( user_id String, registration_date Date, country LowCardinality(String), acquisition_channel LowCardinality(String), vip_level LowCardinality(String), first_deposit_date Nullable(Date), total_deposits Decimal(24, 8), total_withdrawals Decimal(24, 8), ) ENGINE = ReplacingMergeTree() ORDER BY user_id; 

ETL-процесс: от ставки до дашборда

За каждый час мы собираем сырые данные из операционной БД, трансформируем и загружаем в ClickHouse. Пример пайплайна:

class CasinoAnalyticsETL: async def run_hourly_aggregation(self): now = datetime.utcnow() hour_start = now.replace(minute=0, second=0, microsecond=0) bets = await self.bet_repo.get_settled_bets_since(hour_start - timedelta(hours=1)) rows = [self.transform_bet(bet) for bet in bets] if rows: await self.clickhouse.insert('fact_bets', rows) await self.update_materialized_views() def transform_bet(self, bet: Bet) -> dict: return { "bet_id": str(bet.id), "user_id": str(bet.user_id), "game_id": bet.game_id, "bet_time": bet.settled_at, "amount": float(bet.amount), "currency": bet.currency, "winnings": float(bet.winnings), "ggr": float(bet.amount - bet.winnings), "is_free_bet": bet.is_free_bet, "game_category": bet.game_category, "country": bet.user_country, "device_type": bet.device_type, } 

Материализованные представления автоматически обновляются и отдают агрегаты для дашбордов за миллисекунды. Ошибки ETL логируются и обрабатываются по retry-политике.

Аналитические запросы: когорты и RTP

Когортный анализ удержания:

SELECT registration_cohort, days_since_registration, count(DISTINCT user_id) AS active_users, sum(ggr) AS cohort_ggr FROM ( SELECT b.user_id, toStartOfWeek(u.registration_date) AS registration_cohort, dateDiff('day', u.registration_date, b.bet_time) AS days_since_registration, b.ggr FROM fact_bets b JOIN dim_users u ON b.user_id = u.user_id WHERE b.bet_time >= now() - INTERVAL 180 DAY ) GROUP BY registration_cohort, days_since_registration ORDER BY registration_cohort, days_since_registration; 

Анализ RTP по играм:

SELECT game_id, game_category, count() AS bet_count, sum(amount) AS total_wagered, sum(winnings) AS total_paid, sum(ggr) AS total_ggr, sum(winnings) / sum(amount) AS actual_rtp, countIf(ggr < 0) AS losing_rounds, countIf(ggr >= 0) AS winning_rounds FROM fact_bets WHERE bet_time BETWEEN now() - INTERVAL 60 DAY AND now() AND NOT is_free_bet GROUP BY game_id, game_category ORDER BY total_wagered DESC; 

Как выявить аномалии в реальном времени?

Запрос для поиска подозрительной активности:

SELECT user_id, count() AS bet_count, sum(winnings) / sum(amount) AS rtp, sum(ggr) AS user_ggr, max(winnings) AS max_single_win FROM fact_bets WHERE bet_time >= now() - INTERVAL 7 DAY GROUP BY user_id HAVING rtp > 1.5 AND bet_count > 50 ORDER BY rtp DESC LIMIT 100; 

Мы дополняем этот запрос динамическим порогом на основе скользящего среднего RTP. В одном проекте такой мониторинг помог выявить баг в смарт-контракте, из-за которого группа игроков получала RTP 1.8 — убыток $75 000 за квартал был устранён за 2 дня.

Инструменты дашбордов: сравнение

Что входит в систему аналитики

• Аудит текущих данных и требований — анализ источников, структуры, качества данных.
• Проектирование star schema и ETL — модель данных под ваши метрики.
• Разработка пайплайнов — сбор, трансформация, загрузка с мониторингом.
• Материализованные представления — оптимизированные агрегаты для быстрых дашбордов.
• Дашборды — 3 набора: операционный (реалтайм), финансовый (GGR/NGR), когортный (LTV, удержание).
• Документация — описание схемы, дашбордов, инструкция по добавлению новых игр.
• Обучение команды — 2-3 сессии по работе с системой.
• 3 месяца поддержки — исправление ошибок, оптимизация запросов, добавление метрик.

Процесс разработки аналитической системы

1. Аудит текущих данных и требований — 1 неделя.
2. Проектирование star schema и ETL — 1-2 недели.
3. Разработка пайплайнов и материализованных представлений — 2-3 недели.
4. Настройка дашбордов (3 типа) — 1 неделя.
5. Тестирование точности метрик и производительности — 3-4 дня.
6. Обучение команды и передача документации — 2 дня.
7. 3 месяца поддержки — доработки, исправление ошибок, оптимизация.

Сколько времени занимает внедрение?

Базовый пилот с GGR, NGR, RTP и простыми дашбордами — от 2 недель. Полноценная система с когортным анализом, фрод-детекцией и интеграцией всех игр — от 4 до 8 недель. Точные сроки оцениваем индивидуально после сбора требований.

Свяжитесь с нами для бесплатной предварительной оценки вашего проекта. Закажите разработку системы аналитики — получите прозрачные метрики и контроль над бизнесом.