一、目標  

1、掌握畫像標籤開發技巧

 2、掌握資料探勘技巧

 3、瞭解業內畫像和DMP系統的架構和開發

 4、大資料結合業務場景落地 

系統開發要求 

涉及的技術要點：spark 、elasticsearch、hadoop 、hive 、LR GBDT等機器學習演算法 開發工具：idea、eclipse 開發環境：spark2.2、hadoop2.7、hive1.2、hbase、redis 開發語言：scala、java、python、shell、sql

三、課程目錄 

課程一覽 

1、使用者畫像概述 什麼是使用者畫像，為什麼要使用者畫像，畫像的場景應用 業內，facebook,阿里巴巴（達摩盤），騰訊（廣點通）分析 打造自己的內部達摩盤，基本功能跟達摩盤一致 

 2、畫像指標整理 

   2-1.基礎屬性。人的基礎屬性標籤，包括地域、年齡、性別等。

   2-2.興趣偏好。這部分是投放端已有的定向能力，後期可規劃更細的基於寶貝、店鋪或行業的搜尋選擇，特定興趣的定向功  能。

   2-3.行為軌跡。基於興趣偏好更細的行為（包括瀏覽、點選、成交、收藏、復購等），及不同時間段的行為交叉（包括1天、7天、30天的行為）。

   2-4.消費能力。基於平臺的支付交易，購物行為、交易額計算高中低，及類目上的高消費偏好。  

   2-5.好友關係。基於平臺的關係鏈資料，推薦偏好該寶貝、店鋪、行業的好友使用者。  

   2-6.自定義人群。支援上傳自定義人群包，lookalike擴充套件包的大小。 

 3、 畫像標籤體系建設和開發 

   3-1）基本屬性 地域、年齡、性別、學歷、職業 

   3- 2）興趣偏好 品牌、 店鋪、一級類目、場景、行業 

   3-3）消費能力 能力等級開發 

   3-4）特徵人群 劃分一些特定的人群，高活躍，低活躍，有車一族，奶爸一家 

   3-5）LBS屬性 長居住地 

   3-6）使用者軌跡 交易、瀏覽，收藏等 

四、畫像系統架構 

 功能：畫像多維度分析、畫像指標下鑽分析、投放效果追蹤分析 技術：基於es 、spark、hadoop 建設畫像計算，以及資料儲存和計算 模組：使用者人群包（交集並集）、追蹤分析、人群畫像、人群對比模組開發

五、畫像系統應用案例 

  使用者精準營銷 

  使用者商品推薦