用戶畫像（User Profile），作為大數據的根基，它完美地抽象出一個用戶的信息全貌，為進一步精準、快速地分析用戶行為習慣、消費習慣等重要信息，提供了足夠的數據基礎，奠定了大數據時代的基石。
什么是用戶畫像？
用戶畫像，即用戶信息標簽化，就是企業(yè)通過收集與分析消費者社會屬性、生活習慣、消費行為等主要信息的數據之后，完美地抽象出一個用戶的商業(yè)全貌作是企業(yè)應用大數據技術的基本方式。用戶畫像為企業(yè)提供了足夠的信息基礎，能夠幫助企業(yè)快速找到精準用戶群體以及用戶需求等更為廣泛的反饋信息。
用戶畫像的四階段
用戶畫像的焦點工作就是為用戶打“標簽”，而一個標簽通常是人為規(guī)定的高度精煉的特征標識，如年齡、性別、地域、用戶偏好等，最后將用戶的所有標簽綜合來看，就可以勾勒出該用戶的立體“畫像”了。
具體來講，當為用戶畫像時，需要以下四個階段：
用戶畫像的意義
用戶畫像的構建是有難度的。主要表現(xiàn)為以下四個方面：
為了精準地描述用戶特征，可以參考下面的思路，從用戶微觀畫像的建立→用戶畫像的標簽建模→用戶畫像的數據架構，我們由微觀到宏觀，逐層分析。
首先我們從微觀來看，如何給用戶的微觀畫像進行分級呢？如下圖所示
總原則：基于一級分類上述分類逐級進行細分。
第一分類：人口屬性、資產特征、營銷特性、興趣愛好、購物愛好、需求特征
第二分類…
第三分類……….
完成了對客戶微觀畫像分析后，就可以考慮為用戶畫像的標簽建模了。
從原始數據進行統(tǒng)計分析，得到事實標簽，再進行建模分析，得到模型標簽，再進行模型預測，得到預測標簽。
最后從宏觀層面總結，就是得到用戶畫像的數據架構。
LotuseeData蓮子數據在具體設備分析的統(tǒng)計基礎上，提供了更強大的自定義時間，用戶分組，渠道活動轉化追蹤等新功能，并累計了大量的設備和用戶標簽，為進一步的用戶畫像提供了堅實的基礎。
用戶畫像數據建模方法
伴隨著大數據應用的討論、創(chuàng)新，個性化技術成為了一個重要落地點。相比傳統(tǒng)的線下會員管理、問卷調查、購物籃分析，大數據第一次使得企業(yè)能夠通過互聯(lián)網便利地獲取用戶更為廣泛的反饋信息，為進一步精準、快速地分析用戶行為習慣、消費習慣等重要商業(yè)信息，提供了足夠的數據基礎。
伴隨著對人的了解逐步深入，一個概念悄然而生：用戶畫像（UserProfile），完美地抽象出一個用戶的信息全貌，可以看作企業(yè)應用大數據的根基。
一、什么是用戶畫像？
男，31歲，已婚，收入1萬以上，愛美食，團購達人，喜歡紅酒配香煙。
這樣一串描述即為用戶畫像的典型案例。如果用一句話來描述，即：用戶信息標簽化。
二、為什么需要用戶畫像
用戶畫像的核心工作是為用戶打標簽，打標簽的重要目的之一是為了讓人能夠理解并且方便計算機處理，如，可以做分類統(tǒng)計：喜歡紅酒的用戶有多少？喜歡紅酒的人群中，男、女比例是多少？
也可以做數據挖掘工作：利用關聯(lián)規(guī)則計算，喜歡紅酒的人通常喜歡什么運動品牌？利用聚類算法分析，喜歡紅酒的人年齡段分布情況？
大數據處理，離不開計算機的運算，標簽提供了一種便捷的方式，使得計算機能夠程序化處理與人相關的信息，甚至通過算法、模型能夠“理解” 人。當計算機具備這樣的能力后，無論是搜索引擎、推薦引擎、廣告投放等各種應用領域，都將能進一步提升精準度，提高信息獲取的效率。
三、如何構建用戶畫像
一個標簽通常是人為規(guī)定的高度精煉的特征標識，如年齡段標簽：25~35歲，地域標簽：北京，標簽呈現(xiàn)出兩個重要特征：語義化，人能很方便地理解每個標簽含義。這也使得用戶畫像模型具備實際意義。能夠較好的滿足業(yè)務需求。如，判斷用戶偏好。
短文本，每個標簽通常只表示一種含義，標簽本身無需再做過多文本分析等預處理工作，這為利用機器提取標準化信息提供了便利。
人制定標簽規(guī)則，并能夠通過標簽快速讀出其中的信息，機器方便做標簽提取、聚合分析。所以，用戶畫像，即：用戶標簽，向我們展示了一種樸素、簡潔的方法用于描述用戶信息。
3.1 數據源分析
構建用戶畫像是為了還原用戶信息，因此數據來源于：所有用戶相關的數據。
對于用戶相關數據的分類，引入一種重要的分類思想：封閉性的分類方式。如，世界上分為兩種人，一種是學英語的人，一種是不學英語的人；客戶分三類，高價值客戶，中價值客戶，低價值客戶；產品生命周期分為，投入期、成長期、成熟期、衰退期…所有的子分類將構成了類目空間的全部集合。
這樣的分類方式，有助于后續(xù)不斷枚舉并迭代補充遺漏的信息維度。不必擔心架構上對每一層分類沒有考慮完整，造成維度遺漏留下擴展性隱患。另外，不同的分類方式根據應用場景，業(yè)務需求的不同，也許各有道理，按需劃分即可。
本文將用戶數據劃分為靜態(tài)信息數據、動態(tài)信息數據兩大類。
靜態(tài)信息數據
用戶相對穩(wěn)定的信息，如圖所示，主要包括人口屬性、商業(yè)屬性等方面數據。這類信息，自成標簽，如果企業(yè)有真實信息則無需過多建模預測，更多的是數據清洗工作，因此這方面信息的數據建模不是本篇文章重點。
動態(tài)信息數據
用戶不斷變化的行為信息，如果存在上帝，每一個人的行為都在時刻被上帝那雙無形的眼睛監(jiān)控著，廣義上講，一個用戶打開網頁，買了一個杯子；與該用戶傍晚溜了趟狗，白天取了一次錢，打了一個哈欠等等一樣都是上帝眼中的用戶行為。當行為集中到互聯(lián)網，乃至電商，用戶行為就會聚焦很多，如上圖所示：瀏覽凡客首頁、瀏覽休閑鞋單品頁、搜索帆布鞋、發(fā)表關于鞋品質的微博、贊“雙十一大促給力”的微博消息。等等均可看作互聯(lián)網用戶行為。
本篇文章以互聯(lián)網電商用戶，為主要分析對象，暫不考慮線下用戶行為數據（分析方法雷同，只是數據獲取途徑，用戶識別方式有些差異）。
在互聯(lián)網上，用戶行為，可以看作用戶動態(tài)信息的唯一數據來源。如何對用戶行為數據構建數據模型，分析出用戶標簽，將是本文著重介紹的內容。
3.2 目標分析
用戶畫像的目標是通過分析用戶行為，最終為每個用戶打上標簽，以及該標簽的權重。如，紅酒 0.8、李寧 0.6。
標簽，表征了內容，用戶對該內容有興趣、偏好、需求等等。
權重，表征了指數，用戶的興趣、偏好指數，也可能表征用戶的需求度，可以簡單的理解為可信度，概率。
3.3 數據建模方法
下面內容將詳細介紹，如何根據用戶行為，構建模型產出標簽、權重。一個事件模型包括：時間、地點、人物三個要素。每一次用戶行為本質上是一次隨機事件，可以詳細描述為：什么用戶，在什么時間，什么地點，做了什么事。
什么用戶：關鍵在于對用戶的標識，用戶標識的目的是為了區(qū)分用戶、單點定位。
以上列舉了互聯(lián)網主要的用戶標識方法，獲取方式由易到難。視企業(yè)的用戶粘性，可以獲取的標識信息有所差異。
什么時間：時間包括兩個重要信息，時間戳+時間長度。時間戳，為了標識用戶行為的時間點，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的時間戳即可。因為微秒的時間戳精度并不可靠。瀏覽器時間精度，準確度最多也只能到毫秒。時間長度，為了標識用戶在某一頁面的停留時間。
什么地點：用戶接觸點，Touch Point。對于每個用戶接觸點。潛在包含了兩層信息：網址 + 內容。網址：每一個url鏈接（頁面/屏幕），即定位了一個互聯(lián)網頁面地址，或者某個產品的特定頁面?？梢允荘C上某電商網站的頁面url，也可以是手機上的微博，微信等應用某個功能頁面，某款產品應用的特定畫面。如，長城紅酒單品頁，微信訂閱號頁面，某游戲的過關頁。
內容：每個url網址（頁面/屏幕）中的內容?？梢允菃纹返南嚓P信息：類別、品牌、描述、屬性、網站信息等等。如，紅酒，長城，干紅，對于每個互聯(lián)網接觸點，其中網址決定了權重；內容決定了標簽。
注：接觸點可以是網址，也可以是某個產品的特定功能界面。如，同樣一瓶礦泉水，超市賣1元，火車上賣3元，景區(qū)賣5元。商品的售賣價值，不在于成本，更在于售賣地點。標簽均是礦泉水，但接觸點的不同體現(xiàn)出了權重差異。這里的權重可以理解為用戶對于礦泉水的需求程度不同。即，愿意支付的價值不同。
標簽 權重
礦泉水 1 // 超市
礦泉水 3 // 火車
礦泉水 5 // 景區(qū)
類似的，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網瀏覽紅酒信息，表現(xiàn)出對紅酒喜好度也是有差異的。這里的關注點是不同的網址，存在權重差異，權重模型的構建，需要根據各自的業(yè)務需求構建。
所以，網址本身表征了用戶的標簽偏好權重。網址對應的內容體現(xiàn)了標簽信息。
什么事：用戶行為類型，對于電商有如下典型行為：瀏覽、添加購物車、搜索、評論、購買、點擊贊、收藏 等等。
不同的行為類型，對于接觸點的內容產生的標簽信息，具有不同的權重。如，購買權重計為5，瀏覽計為1
紅酒 1 // 瀏覽紅酒
紅酒 5 // 購買紅酒
綜合上述分析，用戶畫像的數據模型，可以概括為下面的公式：用戶標識 + 時間 + 行為類型 + 接觸點（網址+內容），某用戶因為在什么時間、地點、做了什么事。所以會打上**標簽。
用戶標簽的權重可能隨時間的增加而衰減，因此定義時間為衰減因子r，行為類型、網址決定了權重，內容決定了標簽，進一步轉換為公式：
標簽權重=衰減因子×行為權重×網址子權重
如：用戶A，昨天在品尚紅酒網瀏覽一瓶價值238元的長城干紅葡萄酒信息。
標簽：紅酒，長城時間：因為是昨天的行為，假設衰減因子為：r=0.95行為類型：瀏覽行為記為權重1地點：品尚紅酒單品頁的網址子權重記為 0.9（相比京東紅酒單品頁的0.7）
假設用戶對紅酒出于真的喜歡，才會去專業(yè)的紅酒網選購，而不再綜合商城選購。
則用戶偏好標簽是：紅酒，權重是0.95*0.7 * 1=0.665，即，用戶Ａ：紅酒 0.665、長城 0.665。
上述模型權重值的選取只是舉例參考，具體的權重值需要根據業(yè)務需求二次建模，這里強調的是如何從整體思考，去構建用戶畫像模型，進而能夠逐步細化模型。
四、總結：
本文并未涉及具體算法，更多的是闡述了一種分析思想，在計劃構建用戶畫像時，能夠給您提供一個系統(tǒng)性、框架性的思維指導。
核心在于對用戶接觸點的理解，接觸點內容直接決定了標簽信息。內容地址、行為類型、時間衰減，決定了權重模型是關鍵，權重值本身的二次建模則是水到渠成的進階。模型舉例偏重電商，但其實，可以根據產品的不同，重新定義接觸點。
比如影視產品，我看了一部電影《英雄本色》，可能產生的標簽是：周潤發(fā) 0.6、槍戰(zhàn) 0.5、港臺 0.3。
最后，接觸點本身并不一定有內容，也可以泛化理解為某種閾值，某個行為超過多少次，達到多長時間等。
比如游戲產品，典型接觸點可能會是，關鍵任務，關鍵指數（分數）等等。如，積分超過1萬分，則標記為鉆石級用戶。鉆石用戶 1.0。
百分點現(xiàn)已全面應用用戶畫像技術于推薦引擎中，在對某電商客戶，針對活動頁新訪客的應用中，依靠用戶畫像產生的個性化效果，對比熱銷榜，推薦效果有顯著提升：推薦欄點擊率提升27%， 訂單轉化率提升34%。
新浪微博的用戶畫像是怎樣構建的?
1.概述
從上一篇《認識每一個“你”：微博中的用戶模型》里面對用戶模型維度的劃分可以看出，屬性和興趣維度的用戶模型都可以歸入用戶畫像(User Profile)的范疇。而所謂用戶畫像，簡單來說就是對用戶的信息進行標簽化。如圖1所示。一方面，標簽化是對用戶信息進行結構化，方便計算機的識別和處理；另一方面，標簽本身也具有準確性和非二義性，也有利于人工的整理、分析和統(tǒng)計。
用戶屬性指相對靜態(tài)和穩(wěn)定的人口屬性，例如：性別、年齡區(qū)間、地域、受教育程度、學校、公司……這些信息的收集和建立主要依靠產品本身的引導、調查、第三方提供等。微博本身就有比較完整的用戶注冊引導、用戶信息完善任務、認證用戶審核、以及大量的合作對象等，在收集和清洗用戶屬性的過程中，需要注意的主要是標簽的規(guī)范化以及不同來源信息的交叉驗證。
用戶興趣則是更加動態(tài)和易變化的特征，首先興趣受到人群、環(huán)境、熱點事件、行業(yè)……等方面的影響，一旦這些因素發(fā)生變化，用戶的興趣容易產生遷移；其次，用戶的行為（特指在互聯(lián)網上的行為）多樣且碎片化，不同行為反映出來的興趣差異較大。接下來主要介紹一下微博畫像中興趣維度的構建方法。
2.微博用戶興趣分析
1標簽來源
用戶自標簽、達人或認證標簽、公司、學校、微群標簽、星座、微博關鍵詞……這些來源都可能成為用戶的標簽。而針對每個特定的用戶收集標簽除了其自身以外，他關注用戶的標簽也會傳遞到該用戶身上。如圖2所示（藍色實線代表關注關系，橙色虛線代表興趣標簽來源）。
2權重計算
在收集到一個用戶可能存在的標簽后，還需要給標簽賦一定的權重，用來區(qū)分不同標簽對于該用戶的重要程度。不同標簽的來源用戶質量，標簽的傳遞路徑，轉發(fā)關系，標簽的本身，以及標簽與用戶之間的共現(xiàn)關系都會考慮在內。
不同質量的用戶自身產生的標簽權重不一樣，質量越高，認為該標簽的可信度越高，無論是將該標簽賦給自己還是傳遞出去的時候其權重值越高。
標簽的傳遞路徑主要是針對基于關注關系的標簽傳遞，親密度比較高的關注用戶傳遞過來的標簽權重值會比較高。
標簽是來自于用戶的原創(chuàng)還是其轉發(fā)的微博，權重值會有區(qū)別，一般來說原創(chuàng)的權重會高于轉發(fā)權重。
如果標簽本身是一個非常常見的詞，那么它用于刻畫用戶的興趣的區(qū)分性是比較差的，相反如果是一個長尾詞，則區(qū)分性較強。出于這樣的考慮，越是長尾詞，標簽的權重值會越高。
標簽與用戶的共現(xiàn)關系是指用戶和該標簽是否經常共同出現(xiàn)，評價的是兩者的關聯(lián)性。關聯(lián)性越高，則標簽的權重值越高。
綜合上述的因素，一個標簽對于特定用戶的權重值可以大致表示為：標簽權重 = (來源因子 + 親密度因子 + 轉發(fā)因子 + 長尾因子) × 共現(xiàn)因子。
3時效性
隨著時間的變化，用戶的興趣會發(fā)生轉移，時間越久遠，標簽的權重應該相應的下降，距離當前時間越近的興趣標簽應該得到適當突出。出于這樣的考慮，一般會在標簽權重值上疊加一個時間衰減函數，這個時間衰減函數被設計成如圖3所示的指數衰減的形式，通過定義衰減幅度和半衰期，調節(jié)衰減的程度，體現(xiàn)不同的時效性。
此外，針對用戶的興趣，還會設定一個較小的時間窗口來獲取用戶的短期興趣。通過用戶在短時間內的原創(chuàng)、轉發(fā)和關注行為收集興趣標簽，并計算標簽的權重。短期興趣更新周期會較長期興趣更短，興趣更集中，但是能夠比較及時地反應用戶興趣的變化。
4從興趣到能力
然而，用戶具有某方面的興趣，只代表了他愿意接受這方面的信息，并不能代表他具有產生相關內容的能力。因此，在挖掘了用戶興趣標簽的基礎上，還需要發(fā)掘哪些用戶能夠針對特定的標簽具有一定的內容生產能力。
微博中的關注關系可以認為是一種認證，具有相同興趣的用戶之間的關注則有可能是興趣相投（當然也可能不是，但畢竟有一定的指導性），那么將具有相同興趣標簽的用戶提出來，通過關注關系構成一個圖，被認證得最多的用戶（被關注邊指向得最多）被認為在這個興趣標簽上具有最強能力。
大數據用戶畫像在金融行業(yè)實踐
一. 用戶畫像背后的原因
金融消費行為的改變， 企業(yè)無法接觸到客戶
80后、90后總計共有3.4億人口，并日益成為金融企業(yè)主要的消費者，但是他們的金融消費習慣正在改變，他們不愿意到金融網點辦理業(yè)務，不喜歡被動接受金融產品和服務。年輕人將主要的時間都消費在移動互聯(lián)網，消費在智能手機上。平均每個人，每天使用智能手機的時間超過了3小時，年輕人可能會超過4個小時。瀏覽手機已經成為工作和睡覺之后的，人類第三大生活習慣，移動APP也成為所有金融企業(yè)的客戶入口、服務入口、消費入口、數據入口。
金融企業(yè)越來越難面對面接觸到年輕人，無法像過去一樣，從對話中了解年輕人的想法，了解年輕人金融產品的需求。
消費者需求出現(xiàn)分化，需要尋找目標客戶
客戶消費習慣的改變，企業(yè)無法接觸到客戶，無法了解客戶需求；
客戶需求的分化，企業(yè)需要細分客戶，為目標客戶開發(fā)設計產品。
金融企業(yè)需要借助于戶畫像，來了解客戶，找到目標客戶，觸達客戶。
二. 用戶畫像的目的
用戶畫像是在解客戶需求和消費能力，以及客戶信用額度的基礎上，尋找潛在產品的目標客戶，并利用畫像信息為客戶開發(fā)產品。
提到用戶畫像，很多廠商都會提到360度用戶畫像，其實經常360度客戶畫像是一個廣告宣傳用語，根本不存數據可以全面描述客戶，透徹了解客戶。人是非常復雜的動物，信息緯度非常復雜，僅僅依靠外部信息來刻畫客戶內心需要根本不可能。
用戶畫像一詞具有很重的場景因素，不同企業(yè)對于用戶畫像有著不同對理解和需求。舉個例子，金融行業(yè)和汽車行業(yè)對于用戶畫像需求的信息完全不一樣，信息緯度也不同，對畫像結果要求也不同。每個行業(yè)都有一套適合自己行業(yè)的用戶畫像方法，但是其核心都是為客戶服務，為業(yè)務場景服務。
用戶畫像本質就是從業(yè)務角度出發(fā)對用戶進行分析，了解用戶需求，尋找目標客戶。另外一個方面就是，金融企業(yè)利用統(tǒng)計的信息，開發(fā)出適合目標客戶的產品。
從商業(yè)角度出發(fā)的用戶畫像對企業(yè)具有很大的價值，用戶畫像目的有兩個。
一個是業(yè)務場景出發(fā)，尋找目標客戶。另外一個就是，參考用戶畫像的信息，為用戶設計產品或開展營銷活動。
三. 用戶畫像工作堅持的原則
市場上用戶畫像的方法很多，許多企業(yè)也提供用戶畫像服務，將用戶畫像提升到很有逼格一件事。金融企業(yè)是最早開始用戶畫像的行業(yè)，由于擁有豐富的數據，金融企業(yè)在進行用戶畫像時，對眾多緯度的數據無從下手，總是認為用戶畫像數據緯度越多越好，畫像數據越豐富越好，某些輸入的數據還設定了權重甚至建立了模型，搞的用戶畫像是一個巨大而復雜的工程。但是費力很大力氣進行了畫像之后，卻發(fā)現(xiàn)只剩下了用戶畫像，和業(yè)務相聚甚遠，沒有辦法直接支持業(yè)務運營，投入精力巨大但是回報微小，可以說是得不償失，無法向領導交代。
事實上，用戶畫像涉及數據的緯度需要業(yè)務場景結合，既要簡單干練又要和業(yè)務強相關，既要篩選便捷又要方便進一步操作。用戶畫像需要堅持三個原則，分別是人口屬性和信用信息為主，強相關信息為主，定性數據為主。下面就分別展開進行解釋和分析。
3.1信用信息和人口屬性為主
描述一個用戶的信息很多，信用信息是用戶畫像中重要的信息，信用信息是描述一個人在社會中的消費能力信息。任何企業(yè)進行用戶畫像的目的是尋找目標客戶，其必須是具有潛在消費能力的用戶。信用信息可以直接證明客戶的消費能力，是用戶畫像中最重要和基礎的信息。一句戲言，所有的信息都是信用信息就是這個道理。其包含消費者工作、收入、學歷、財產等信息。
定位完目標客戶之后，金融企業(yè)需要觸達客戶，人口屬性信息就是起到觸達客戶的作用，人口屬性信息包含姓名、性別，電話號碼，郵件地址，家庭住址等信息。這些信息可以幫助金融企業(yè)聯(lián)系客戶，將產品和服務推銷給客戶。
3.2采用強相關信息，忽略弱相關信息
我們需要介紹一下強相關信息和弱相關信息。強相關信息就是同場景需求直接相關的信息，其可以是因果信息，也可以是相關程度很高的信息。
如果定義采用0到1作為相關系數取值范圍的化，0.6以上的相關系數就應該定義為強相關信息。例如在其他條件相同的前提下，35歲左右人的平均工資高于平均年齡為30歲的人，計算機專業(yè)畢業(yè)的學生平均工資高于哲學專業(yè)學生，從事金融行業(yè)工作的平均工資高于從事紡織行業(yè)的平均工資，上海的平均工資超過海南省平均工資。從這些信息可以看出來人的年齡、學歷、職業(yè)、地點對收入的影響較大，同收入高低是強相關關系。簡單的將，對信用信息影響較大的信息就是強相關信息，反之則是弱相關信息。
用戶其他的信息，例如用戶的身高、體重、姓名、星座等信息，很難從概率上分析出其對消費能力的影響，這些弱相關信息，這些信息就不應該放到用戶畫像中進行分析，對用戶的信用消費能力影響很小，不具有較大的商業(yè)價值。
用戶畫像和用戶分析時，需要考慮強相關信息，不要考慮弱相關信息，這是用戶畫像的一個原則。
3.3將定量的信息歸類為定性的信息
用戶畫像的目的是為產品篩選出目標客戶，定量的信息不利于對客戶進行篩選，需要將定量信息轉化為定性信息，通過信息類別來篩選人群。
例如可以將年齡段對客戶進行劃分，18歲-25歲定義為年輕人，25歲-35歲定義為中青年，36-45定義為中年人等?？梢詤⒖紓€人收入信息，將人群定義為高收入人群，中等收入人群，低收入人群。參考資產信息也可以將客戶定義為高、中、低級別。定性信息的類別和方式方法，金融可以從自身業(yè)務出發(fā)，沒有固定的模式。
將金融企業(yè)各類定量信息，集中在一起，對定性信息進行分類，并進行定性化，有利與對用戶進行篩選，快速定位目標客戶，是用戶畫像的另外一個原則。
用戶畫像的方法介紹，不要太復雜
金融企業(yè)需要結合業(yè)務需求進行用戶畫像，從實用角度出發(fā)，我們可以將用戶畫像信息分成五類信息。分別是人口屬性，信用屬性，消費特征，興趣愛好，社交屬性。它們基本覆蓋了業(yè)務需求所需要的強相關信息，結合外部場景數據將會產生巨大的商業(yè)價值。我們先了解下用戶畫像的五大類信息的作用，以及涉及的強相關信息。特別復雜的用戶畫像緯度例如八個緯度，十個緯度信息都不利于商業(yè)應用，不建議金融企業(yè)進行采用，其他具有價值的信息，基本上都可以歸納到這五個緯度。金融企業(yè)達到其商業(yè)需求，從這五個緯度信息進行應用就可以了，不需要過于復雜用戶畫像這個工作，同時商業(yè)意義也不太大。
4.1人口屬性
用于描述一個人基本特征的信息，主要作用是幫助金融企業(yè)知道客戶是誰，如何觸達用戶。姓名，性別，年齡，電話號碼，郵箱，家庭住址都屬于人口屬性信息。
4.2信用屬性
用于描述用戶收入潛力和收入情況，支付能力。幫助企業(yè)了解客戶資產情況和信用情況，有利于定位目標客戶?？蛻袈殬I(yè)、收入、資產、負債、學歷、信用評分等都屬于信用信息。
4.3消費特征
用于描述客戶主要消費習慣和消費偏好，用于尋找高頻和高價值客戶。幫助企業(yè)依據客戶消費特點推薦相關金融產品和服務，轉化率將非常高。為了便于篩選客戶，可以參考客戶的消費記錄將客戶直接定性為某些消費特征人群，例如差旅人群，境外游人群，旅游人群，餐飲用戶，汽車用戶，母嬰用戶，理財人群等。
4.4興趣愛好
用于描述客戶具有哪方面的興趣愛好，在這些興趣方面可能消費偏好比較高。幫助企業(yè)了解客戶興趣和消費傾向，定向進行活動營銷。興趣愛好的信息可能會和消費特征中部分信息有重復，區(qū)別在于數據來源不同。消費特征來源于已有的消費記錄，但是購買的物品和服務不一定是自己享用，但是興趣愛好代表本人的真實興趣。例如戶外運動愛好者，旅游愛好者，電影愛好者，科技發(fā)燒友，健身愛好者，奢侈品愛好者等。興趣愛好的信息可能來源于社交信息和客戶位置信息。
4.5社交信息
用于描述用戶在社交媒體的評論，這些信息往往代表用戶內心的想法和需求，具有實時性高，轉化率高的特點。例如客戶詢問上海哪里好玩？澳大利亞墨爾本的交通？房屋貸款哪家優(yōu)惠多？那個理財產品好？這些社交信息都是代表客戶多需求，如果企業(yè)可以及時了解到，將會有助于產品推廣。
這些用戶畫像信息歸類基本覆蓋了業(yè)務需求和產品開發(fā)所需要的信息，需要對這些信息進行進行整理和處理。根據業(yè)務場景，將定量的數據轉化為定性的數據，并將強相關數據進行整理。（36大數據）
5 金融企業(yè)用戶畫像的基本步驟
參考金融企業(yè)的數據類型和業(yè)務需求，可以將金融企業(yè)用戶畫像工作進行細化。基本上從數據集中到數據處理，從強相關數據到定性分類數據，從引入外部數據到依據業(yè)務場景進行篩選目標用戶。
5.1畫像相關數據的整理和集中
金融企業(yè)內部的信息分布在不同的系統(tǒng)中，一般情況下，人口屬性信息主要集中在客戶關系管理系統(tǒng)，信用信息主要集中在交易系統(tǒng)和產品系統(tǒng)之中，也集中在客戶關系管理系統(tǒng)中，消費特征主要集中在渠道和產品系統(tǒng)中。
興趣愛好和社交信息需要從外部引入，例如客戶的行為軌跡可以代表其興趣愛好和品牌愛好，移動設備到位置信息可以提供較為準確的興趣愛好信息。社交信息，可以借助于金融行業(yè)自身的文本挖掘能力進行采集和分析，也是可以借助于廠商的技術能力在社交網站上直接獲得。社交信息往往是實時信息，商業(yè)價值較高，轉化率也較高，是大數據預測方面的主要信息來源。例如用戶在社交網站上提出羅馬哪里好玩的問題，就代表用戶未來可能有出國旅游的需求；如果客戶在對比兩款汽車的優(yōu)良，客戶購買汽車的可能性就較大。金融企業(yè)可以及時介入，為客戶提供金融服務。
客戶畫像數據主要分為五類，人口屬性、信用信息、消費特征、興趣愛好、社交信息。這些數據都分布在不同的信息系統(tǒng)，金融企業(yè)都上線了數據倉庫（DW），所有畫像相關的強相關信息都可以從數據倉庫里面整理和集中，并且依據畫像商業(yè)需求，利用跑批作業(yè)，加工數據，生成用戶畫像的原始數據。
數據倉庫成為用戶畫像數據的主要處理工具，依據業(yè)務場景和畫像需求將原始數據進行分類、篩選、歸納、加工等，生成用戶畫像需要的原始數據。
用戶畫像的緯度信息不是越多越好，只需要找到這五大類畫像信息強相關信息，同業(yè)務場景強相關信息，同產品和目標客戶強相關信息即可。根本不存在360度的用戶畫像信息，也不存在豐富的信息可以完全了解客戶，另外數據的實效性也要重點考慮。
5.2找到同業(yè)務場景強相關數據
依據用戶畫像的原則，所有畫像信息應該是五大分類的強相關信息。強相關信息是指同業(yè)務場景強相關信息，可以幫助金融行業(yè)定位目標客戶，了解客戶潛在需求，開發(fā)需求產品。
只有強相關信息才能幫助金融企業(yè)有效結合業(yè)務需求，創(chuàng)造商業(yè)價值。例如姓名、手機號、家庭地址就是能夠觸達客戶的強人口屬性信息，收入、學歷、職業(yè)、資產就是客戶信用信息的強相關信息。差旅人群、境外游人群、汽車用戶、旅游人群、母嬰人群就是消費特征的強相關信息。攝影愛好者、游戲愛好者、健身愛好者、電影人群、戶外愛好者就是客戶興趣愛好的強相關信息。社交媒體上發(fā)表的旅游需求，旅游攻略，理財咨詢，汽車需求，房產需求等信息代表了用戶的內心需求，是社交信息場景應用的強相關信息。
金融企業(yè)內部信息較多，在用戶畫像階段不需要對所有信息都采用，只需要采用同業(yè)務場景和目標客戶強相關的信息即可，這樣有助于提高產品轉化率，降低投資回報率（ROI），有利于簡單找到業(yè)務應用場景，在數據變現(xiàn)過程中也容易實現(xiàn)。
千萬不要將用戶畫像工作搞的過于復雜，同業(yè)務場景關系不大，這樣就讓很多金融企業(yè)特別是領導失去用戶畫像的興趣，看不到用戶畫像的商業(yè)，不愿意在大數據領域投資。為企業(yè)帶來商業(yè)價值才是用戶畫像工作的主要動力和主要目的。
5.3對數據進行分類和標簽化（定量to定性）
金融企業(yè)集中了所有信息之后，依據業(yè)務需求，對信息進行加工整理，需要對定量的信息進行定性，方便信息分類和篩選。這部分工作建議在數據倉庫進行，不建議在大數據管理平臺（DMP）里進行加工。
定性信息進行定量分類是用戶畫像的一個重要工作環(huán)節(jié)，具有較高的業(yè)務場景要求，考驗用戶畫像商業(yè)需求的轉化。其主要目的是幫助企業(yè)將復雜數據簡單化，將交易數據定性進行歸類，并且融入商業(yè)分析的要求，對數據進行商業(yè)加工。例如可以將客戶按照年齡區(qū)間分為學生，青年，中青年，中年，中老年，老年等人生階段。源于各人生階段的金融服務需求不同，在尋找目標客戶時，可以通過人生階段進行目標客戶定位。企業(yè)可以利用客戶的收入、學歷、資產等情況將客戶分為低、中、高端客戶，并依據其金融服務需求，提供不同的金融服務。可以參考其金融消費記錄和資產信息，以及交易產品，購買的產品，將客戶消費特征進行定性描述，區(qū)分出電商客戶，理財客戶，保險客戶，穩(wěn)健投資客戶，激進投資客戶，餐飲客戶，旅游客戶，高端客戶，公務員客戶等。利用外部的數據可以將定性客戶的興趣愛好，例如戶外愛好者，奢侈品愛好者，科技產品發(fā)燒友，攝影愛好者，高端汽車需求者等信息。
將定量信息歸納為定性信息，并依據業(yè)務需求進行標簽化，有助于金融企業(yè)找到目標客戶，并且了解客戶的潛在需求，為金融行業(yè)的產品找到目標客戶，進行精準營銷，降低營銷成本，提高產品轉化率。另外金融企業(yè)還可以依據客戶的消費特征、興趣愛好、社交信息及時為客戶推薦產品，設計產品，優(yōu)化產品流程。提高產品銷售的活躍率，幫助金融企業(yè)更好地為客戶設計產品。
5.4依據業(yè)務需求引入外部數據
利用數據進行畫像目的主要是為業(yè)務場景提供數據支持，包括尋找到產品的目標客戶和觸達客戶。金融企業(yè)自身的數據不足以了解客戶的消費特征、興趣愛好、社交信息。
金融企業(yè)可以引入外部信息來豐富客戶畫像信息，例如引入銀聯(lián)和電商的信息來豐富消費特征信息，引入移動大數據的位置信息來豐富客戶的興趣愛好信息，引入外部廠商的數據來豐富社交信息等。
外部信息的緯度較多，內容也很豐富，但是如何引入外部信息是一項具有挑戰(zhàn)的工作。外部信息在引入時需要考慮幾個問題，分別是外部數據的覆蓋率，如何和內部數據打通，和內部信息的匹配率，以及信息的相關程度，還有數據的鮮活度，這些都是引入外部信息的主要考慮緯度。外部數據魚龍混雜，數據的合規(guī)性也是金融企業(yè)在引入外部數據時的一個重要考慮，敏感的信息例如手機號、家庭住址、身份證號在引入或匹配時都應該注意隱私問題，基本的原則是不進行數據交換，可以進行數據匹配和驗證。
外部數據不會集中在某一家，需要金融企業(yè)花費大量時間進行尋找。外部數據和內部數據的打通是個很復雜的問題，手機號／設備號／身份證號的MD5數值匹配是一種好的方法，不涉及隱私數據的交換，可以進行唯一匹配。依據行業(yè)內部的經驗，沒有一家企業(yè)外部數據可以滿足企業(yè)要求，外部數據的引入需要多方面數據。一般情況下，數據覆蓋率達到70%以上，就是一個非常高的覆蓋率。覆蓋率達到20%以上就可以進行商業(yè)應用了。
金融行業(yè)外部數據源較好合作方有銀聯(lián)、芝麻信用、運營商、中航信、騰云天下、騰訊、微博、前海征信，各大電商平臺等。市場上數據提供商已經很多，并且數據質量都不錯，需要金融行業(yè)一家一家去挖掘，或者委托一個廠商代理引入也可以。獨立第三方幫助金融行業(yè)引入外部數據可以降低數據交易成本，同時也可以降低數據合規(guī)風險，是一個不錯的嘗試。另外各大城市和區(qū)域的大數據交易平臺，也是一個較好的外部數據引入方式。
5.5按照業(yè)務需求進行篩選客戶（DMP的作用）
用戶畫像主要目的是讓金融企業(yè)挖掘已有的數據價值，利用數據畫像技術尋找到目標客戶和客戶的潛在需求，進行產品推銷和設計改良產品。
用戶畫像從業(yè)務場景出發(fā)，實現(xiàn)數據商業(yè)變現(xiàn)重要方式。用戶畫像是數據思維運營過程中的一個重要閉環(huán)，幫助金融企業(yè)利用數據進行精細化運營和市場營銷，以及產品設計。用戶畫像就是一切以數據商業(yè)化運營為中心，以商業(yè)場景為主，幫助金融企業(yè)深度分析客戶，找到目標客戶。
DMP（大數據管理平臺）在整個用戶畫像過程中起到了一個數據變現(xiàn)的作用。從技術角度來講，DMP將畫像數據進行標簽化，利用機器學習算法來找到相似人群，同業(yè)務場景深度結合，篩選出具有價值的數據和客戶，定位目標客戶，觸達客戶，對營銷效果進行記錄和反饋。大數據管理平臺DMP過去主要應用在廣告行業(yè)，在金融行業(yè)應用不多，未來會成為數據商業(yè)應用的主要平臺。
DMP可以幫助信用卡公司篩選出未來一個月可能進行分期付款的客戶，電子產品重度購買客戶，篩選出金融理財客戶，篩選出高端客戶（在本行資產很少，但是在他行資產很多），篩選出保障險種，壽險，教育險，車險等客戶，篩選出穩(wěn)健投資人，激進投資人，財富管理等方面等客戶，并且可以觸達這些客戶，提高產品轉化率，利用數據進行價值變現(xiàn)。DMP還可以了解客戶的消費習慣、興趣愛好、以及近期需求，為客戶定制金融產品和服務，進行跨界營銷。利用客戶的消費偏好，提高產品轉化率，提高用戶黏度。
DMP還作為引入外部數據的平臺，將外部具有價值的數據引入到金融企業(yè)內部，補充用戶畫像數據，創(chuàng)建不同業(yè)務應用場景和商業(yè)需求，特別是移動大數據、電商數據、社交數據的應用，可以幫助金融企業(yè)來進行數據價值變現(xiàn)，讓用戶畫像離商業(yè)應用更加近一些，體現(xiàn)用戶畫像的商業(yè)價值。
用戶畫像的關鍵不是360度分析客戶，而是為企業(yè)帶來商業(yè)價值，離開了商業(yè)價值談用戶畫像就是耍流氓。金融企業(yè)用戶畫像項目出發(fā)點一定要從業(yè)務需求出發(fā)，從強相關數據出發(fā)，從業(yè)務場景應用出發(fā)。用戶畫像的本質就是深度分析客戶，掌握具有價值數據，找到目標客戶，按照客戶需求來定制產品，利用數據實現(xiàn)價值變現(xiàn)。
6 金融行業(yè)用戶畫像實踐
6.1銀行用戶畫像實踐介紹
銀行具有豐富的交易數據、個人屬性數據、消費數據、信用數據和客戶數據，用戶畫像的需求較大。但是缺少社交信息和興趣愛好信息。
到銀行網點來辦業(yè)務的人年紀偏大，未來消費者主要在網上進行業(yè)務辦理。銀行接觸不到客戶，無法了解客戶需求，缺少觸達客戶的手段。分析客戶、了解客戶、找到目標客戶、為客戶設計其需要的產品，成了銀行進行用戶畫像的主要目的。銀行的主要業(yè)務需求集中在消費金融、財富管理、融資服務，用戶畫像要從這幾個角度出發(fā)，尋找目標客戶。
銀行的客戶數據很豐富，數據類型和總量較多，系統(tǒng)也很多?？梢試栏褡裱脩舢嬒竦奈宕蟛襟E。先利用數據倉庫進行數據集中，篩選出強相關信息，對定量信息定性化，生成DMP需要的數據。利用DMP進行基礎標簽和應用定制，結合業(yè)務場景需求，進行目標客戶篩選或對用戶進行深度分析。同時利用DMP引入外部數據，完善數據場景設計，提高目標客戶精準度。找到觸達客戶的方式，對客戶進行營銷，并對營銷效果進行反饋，衡量數據產品的商業(yè)價值。利用反饋數據來修正營銷活動和提高ROI。形成市場營銷的閉環(huán)，實現(xiàn)數據商業(yè)價值變現(xiàn)的閉環(huán)。另外DMP還可以深度分析客戶，依據客戶的消費特征、興趣愛好、社交需求、信用信息來開發(fā)設計產品，為金融企業(yè)的產品開發(fā)提供數據支撐，并為產品銷售方式提供場景數據。
簡單介紹一些DMP可以做到的數據場景變現(xiàn)。
A 尋找分期客戶
利用發(fā)卡機構數據＋自身數據＋信用卡數據，發(fā)現(xiàn)信用卡消費超過其月收入的用戶，推薦其進行消費分期。
B 尋找高端資產客戶
利用發(fā)卡機構數據＋移動位置數據（別墅／高檔小區(qū)）＋物業(yè)費代扣數據＋銀行自身數據＋汽車型號數據，發(fā)現(xiàn)在銀行資產較少，在其他行資產較多的用戶，為其提供高端資產管理服務。
C 尋找理財客戶
利用自身數據（交易＋工資）＋移動端理財客戶端／電商活躍數據。發(fā)現(xiàn)客戶將工資／資產轉到外部，但是電商消費不活躍客戶，其互聯(lián)網理財可能性較大，可以為其提供理財服務，將資金留在本行。
D 尋找境外游客戶
利用自身卡消費數據＋移動設備位置信息＋社交好境外強相關數據（攻略，航線，景點，費用），尋找境外游客戶為其提供金融服務。
E 尋找貸款客戶
利用自身數據（人口屬性＋信用信息）＋移動設備位置信息＋社交購房／消費強相關信息，尋找即將購車／購房的目標客戶，為其提供金融服務（抵押貸款／消費貸款）。
6.2保險行業(yè)用戶畫像實踐
保險行業(yè)的產品是一個長周期產品，保險客戶再次購買保險產品的轉化率很高，經營好老客戶是保險公司一項重要任務。保險公司內部的交易系統(tǒng)不多，交易方式不是很復雜，數據主要集中在產品系統(tǒng)和交易系統(tǒng)之中，客戶關系管理系統(tǒng)中也包含豐富了信息，但是數據集中在很多保險公司還沒有完成，數據倉庫建設可能需要在用戶畫像建設前完成。
保險公司主要數據有人口屬性信息，信用信息，產品銷售信息，客戶家人信息。缺少興趣愛好、消費特征、社交信息等信息。保險產品主要有壽險，車險，保障，財產險，意外險，養(yǎng)老險，旅游險。
保險行業(yè)DMP用戶畫像的業(yè)務場景都是圍繞保險產品進行的，簡單的應用場景可以是。
A依據自身數據（個人屬性）＋外部養(yǎng)車App活躍情況，為保險公司找到車險客戶。
B依據自身數據（個人屬性）＋移動設備位置信息，為保險企業(yè)找到商旅人群，推銷意外險和保障險。
C依據自身數據（家人數據）＋人生階段信息，為用戶推薦理財保險，壽險，保障保險，養(yǎng)老險，教育險。
D依據自身數據＋外部數據，為高端人士提供財產險和壽險。
6.3證券行業(yè)用戶畫像
2015年4月13日，一碼通實施之后，證券行業(yè)面臨了互聯(lián)網證券平臺的強力競爭，依據某機構發(fā)布的金融App排行榜，移動互聯(lián)網證券App，排名前5位的證券類App，只有一家傳統(tǒng)券商。排名第一的互聯(lián)網券商是排名第一傳統(tǒng)券商的6倍，前三名的互聯(lián)券商總體覆蓋用戶接近6000萬用戶。用戶總數還在不斷增加。傳統(tǒng)證券行業(yè)現(xiàn)在面臨的主要挑戰(zhàn)是用戶交易賬戶的爭奪，證券行業(yè)如何增加新用戶？如何留住用戶？如何提高證券行業(yè)用戶的活躍？如何提高單個客戶的收入？是證券行業(yè)主要的業(yè)務需求。
證券行業(yè)擁有的數據類型有個人屬性信息例如用戶名稱，手機號碼，家庭地址，郵件地址等。證券公司還擁有交易用戶的資產和交易紀錄，同時還擁有用戶收益數據，利用這些數據和外部數據，證券公司可以利用數據建立業(yè)務場景，篩選目標客戶，為用戶提供適合的產品，同時提高單個客戶收入。
證券公司可以利用用戶畫像數據來進行產品設計，下面舉幾個例子，看看用戶畫像和用戶分析來幫助證券公司創(chuàng)造商業(yè)價值。
7外部數據介紹
金融企業(yè)內部數據主要集中在個人屬性，信用屬性和消費特征上，缺少社交屬性和興趣偏好等信息，這些信息可以通過第三方獲得。
社交數據就是客戶在社交媒體上發(fā)表的言論和行為，可以是評論，文章，圖片，甚至可以是表情符號，音頻和視頻。社交數據可以依靠第三方平臺，在社交網站上利用爬蟲技術進行獲得（Spider）。社交數據的打通是一個挑戰(zhàn)，如果能夠讓客戶的授權最好，金融企業(yè)就可以將社交數據納入到用戶畫像之中。社交數據具有實時和反映內心需要的特點，某銀行已經將社交數據作為分析客戶需求的一個重要數據緯度。例如如果某一個客戶在社交媒體上發(fā)表了一個問題，羅馬有哪些好玩的地方，金融企業(yè)就會推測客戶可能近期會有出境游的計劃，就會向客戶推銷一些旅游相關產品。
社交媒體數據正在成為金融企業(yè)積極爭取獲得的數據，除了利用網絡爬蟲技術到微博上進行數據采集之外，金融企業(yè)自身網站上到文本數據采集和呼叫中心（call center）紀錄的信息都可以進行文本挖掘。通過客戶編號，進行打通，將其補充到客戶畫像之中。社交數據需要通過數據挖掘將其定義為結構化數據，并且同業(yè)務場景、客戶需求向結合，清晰進行分類。例如將母嬰論壇發(fā)言活躍的用戶定義為潛在教育需求客戶，將學生論壇活躍的客戶定義為學區(qū)房需要客戶，將境外自助游論壇上活躍的客戶定義為境外旅游客戶，將理財APP上活躍的客戶定義為理財客戶等。金融企業(yè)完全可以從社交數據中挖掘出客戶近期的消費需求，及時進行市場營銷和定制產品。
興趣愛好數據可以借助于移動大數據位置信息獲得，客戶手機設備的位置軌跡信息可以揭示客戶喜歡何種品牌，喜歡吃辣還是吃火鍋，客戶喜歡旅游還是喜歡宅在家里，客戶喜歡看電影還是喜歡運動。客戶喜歡中檔品牌還是高檔品牌，客戶喜歡喝茶還是喝咖啡。移動手機上App的安裝情況和活動頻次一樣可以揭示客戶的興趣和愛好。同時移動大數據進行加工之后還可以告訴金融企業(yè)，客戶近期的需求是買車還是買房。
外部數據引入過程中，金融企業(yè)面臨的巨大挑戰(zhàn)是外部數據的覆蓋率，如何打通內外部數據，外部數據同內部客戶的匹配率，外部數據同業(yè)務的相關度，外部數據的活躍程度等。用戶畫像平臺（DMP）可以通過技術手段將外部數據引入到金融企業(yè)內部，建立標準的標簽體系，提供靈活的用戶畫像方式，按照業(yè)務場景進行篩選客戶。
8 移動大數據的商業(yè)價值
移動互聯(lián)網時代，移動大數據具有較高的商業(yè)價值。如果一個用戶不喜歡一個App，其不會裝在手機上?？蛻艚洺Ｊ褂玫腁pp可以推測用戶的興趣愛好和消費偏好。另外移動設備的位置信息可以幫助金融企業(yè)了解客戶行為軌跡、興趣愛好、品牌偏好和消費需求。
8.1移動App提供一切服務，App可以反映用戶喜好
智能手機上安裝的App正在代替PC互聯(lián)網為所有客戶提供服務，清晨起床可以看看天氣，了解一下今天的天氣情況。出門時可以通過打車App來預定出租車，安排出行?；蛘咄ㄟ^地圖App來了解路況信息，決定進行從哪條路到公司。快到中午時，可以通過外賣App預定午餐，如果想出去吃飯可以利用團購App訂餐和買單。中午可以利用旅游App預定家庭旅行機票和酒店，還可以將通過App看看理財產品。如果需要看電影，可以通過票務App來預定要電影票，如果需要看醫(yī)生，可以通過醫(yī)療App預約醫(yī)生。晚上可以透過App購物、監(jiān)督子女教育等?？梢钥闯鲆苿覣pp已經可以滿足人們大部分生活需要，提供了人們的衣食住行、教育、醫(yī)療、旅游、金融等服務。移動App包圍了人們的日常生活，成為人們消費的主要場所。
智能手機上App使用的頻率，可以代表用戶的喜好。例如喜歡理財的客戶，其智能手機上一定會安裝理財App，并經常使用；母嬰人群也會安裝和母嬰相關的App，頻繁使用；商旅人群使用商旅App的頻率一定會高于其他移動用戶。80后、90后的消費行為將會以移動互聯(lián)網為主，App的安裝和活躍數據更加能夠反應出年輕人的消費偏好。
8.2智能設備的位置信息，商業(yè)價值廣大
智能手機設備的位置信息代表了消費者的位置軌跡，這個軌跡可以推測出消費者的消費偏好和習慣。在美國，移動設備位置信息的商業(yè)化較為成熟，GPS數據正在幫助很多企業(yè)進行數據變現(xiàn)，提高社會運營效率。在中國，移動大數據的商業(yè)應用剛剛開始，在房地產業(yè)、零售行業(yè)、金融行業(yè)、市場分析等領域取得了一些效果。移動大數據中的位置信息代表了用戶軌跡，商業(yè)應用較早。2014年，美國移動設備位置信息的市場規(guī)模接近1000億美金。但中國移動設備位置信息的商業(yè)應用才剛剛開始。目前主要的應用在互聯(lián)網金融的反欺詐領域。
線上的欺詐行為具有較高的隱蔽性，很難識別和偵測。P2P貸款用戶很大一部分來源于線上，因此惡意欺詐事件發(fā)生在線上的風險遠遠大于線下。中國的很多數據處于封閉狀態(tài)，P2P公司在客戶真實信息驗證方面面臨較大的挑戰(zhàn)。
移動大數據可以驗證P2P客戶的居住地點，例如某個客戶在利用手機申請貸款時，填寫自己居住地是上海。但是P2P企業(yè)依據其提供的手機設備信息，發(fā)現(xiàn)其過去三個月從來沒有居住在上海，這個人提交的信息可能是假信息，發(fā)生惡意欺詐的風險較高。移動設備的位置信息可以辨識出設備持有人的居住地點，幫助P2P公司驗證貸款申請人的居住地。
借款用戶的工作單位是用戶還款能力的強相關信息，具有高薪工作的用戶，其貸款信用違約率較低。這些客戶成為很多貸款平臺積極爭取的客戶，也是惡意欺詐團伙主要假冒的客戶。
某個用戶在申請貸款時，如果聲明自己是工作在上海陸家嘴金融企業(yè)的高薪人士，其貸款審批會很快并且額度也會較高。但是P2P公司利用移動大數據，發(fā)現(xiàn)這個用戶在過去的三個月里面，從來沒有出現(xiàn)在陸家嘴，大多數時間在城鄉(xiāng)結合處活動，那么這個用戶惡意欺詐的可能性就較大。
移動大數據可以幫助P2P公司在一定程度上來驗證貸款用戶真實工作地點，降低犯罪分子利用高薪工作進行惡意欺詐的風險。
P2P企業(yè)可以利用移動設備的位置信息，了解過去3個月用戶的行為軌跡。如果某個用戶經常在半夜2點出現(xiàn)在酒吧等危險區(qū)域，并且經常有飆車行為，這個客戶定義成高風險客戶的概率就較高。移動App的使用習慣和某些高風險App也可以幫助P2P企業(yè)識別出用戶的高風險行為。如果用戶經常在半夜2點頻繁使用App，其成為高風險客戶的概率就較大。
移動大數據在預防互聯(lián)網惡意欺詐和高風險客戶識別方面，已經有了成熟的應用場景。很多公司已經開始利用第三方機構的數據，預防互聯(lián)網惡意欺詐和識別高風險客戶，并取得了較好的效果。移動大數據應用場景正在被逐步挖掘出來，未來移動大數商業(yè)應用將更加廣闊。
