大数据技术_ 基础理论 之 大数据商业应用

1 用户画像和精准营销

人在网络世界中的行为集合代表了他在网络世界中的“性格”，这个集合就描述了他的网络个性和用户特征（User
Profile）。从数据拥有者，也就是企业角度来看，他们掌握了所有用户在网络世界中“某方面”的行为习惯，如用户浏览了哪些网页、搜索了哪些关键词、购买了哪些商品、留下了哪些评价等，企业都会收集汇总。如何将如此庞杂的数据转换为商业价值，成为现在企业越来越关注的问题。面对高质量、多维度的海量数据，如何建立精准的用户模型就显得尤为重要，用户画像的概念也就应运而生。

1.1用户画像和精准营销

1.2用户画像的价值

1.3用户画像构建流程

1.4用户标签体系

2 广告推荐

2.1推荐系统


2.2广告点击率及其评估



2.3基于位置的服务和广告推荐

3 互联网金融

3.1概述

3.2大数据在互联网金融的应用方向

3.3机器学习在大数据金融中的作用

4 实战：个人贷款风险评估

1、实战目的

本次实验通过提取贷款用户相关特征（年龄、工作、收入等），使用Spark
MLlib构建风险评估模型，使用相关分类算法将用户分为不同的风险等级，此分类结果可作为银行放贷的参考依据。本次实验为方便演示，选用逻辑回归算法将用户风险等级分类两类：高风险、低风险。有能力的同学可以尝试使用其他分类算法实现。
2、实验环境和实验数据

操作系统：CentOS6.5。
编程语言：Scala 2.10.4。
相关软件：Hadoop2.6.0、Spark1.6.0。

实验数据来源：https://www.kaggle.com/

3、实验过程

4、实验步骤







5、实验结果

以上是大数据商业化的常见应用。