大資料DMP畫像系統
內容介紹
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
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
六、大資料面試技巧 hadoop、hive、spark常見面試問題以及解答