1. 大数据应用之数据画像建设
购买行为购买欲望以及购买的产品。
2. 基于大数据的用户画像构建
1、精准营销
精准营销就是完美解决什么时间（when）把什么内容（what）发送给谁（who）。要解决这个问题，其实就得依靠用户画像技术，需要我们去描述用户形象。京东和阿里通常基于用户浏览、点击、咨询、加关注、放购物车等一系列动作为用户打上多维度标签，然后以邮件、短信、push、站内信等方式将适合的信息发送给用户。
2、用户统计
用户统计就是根据大量的用户行为数据，进行行业或人群现象的描述。比如通过购买口罩、空气净化器等类目的订单表和用户表可以得到不同星座的雾霾防范指数，这些行业分析报告就是为网民提供描绘电商大数据的成果，迎合相应的IP热点和社会效应可以加强品牌影响力的传播。
3、数据挖掘
根据用户的数据挖掘出一些有用的规律进行决策，数据挖掘就是通过属性筛选、聚类算法、关联分析、回归算法等方法，去发现人群与人群、人群与商品、商品与商品、商品与品牌等之间的差异与联系，从而发现并挖掘更大的商机。
3. 大数据画像怎么实现
如果没有对数据进行整合、清理、分类，那么海量数据是没有价值的，客户画像就是通过数据技术将海量的客户数据整合成对企业有价值的标签集。企业搜集来自线上线下各触点、各渠道的客户数据，通过设定规则和权重制定客户画像的维度。最终才能实现完整的画像，以上这些方法论可以从创略科技的客户数据平台中的案例中体现，你可以去搜索下，看看实际案例。
4. 大数据自画像
头条用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。具体包含以下几个维度：
1.用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座用户兴趣特征：兴趣爱好，使用APP，网站，浏览/收藏/评论内容，品牌偏好，产品偏好用户社会特征：生活习惯，婚恋，社交/信息渠道偏好，宗教信仰，家庭成分
2.用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次
3.用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件如何生成用户精准画像大致分成三步。
5. 大数据用户画像技术架构
在这里，我们应该对大数据公司做一个定位，根据大数据公司的运营性质，运营规模以及运营目的，我们把它分为三类，同时，在每一个类型之中根据他的运营阶段和发展规模，我们把它分为三个等级。
一、区域大区域泛数据公司
这些数据公司是我们目前可以看到在战略层次，以用户为核心目的在某一区域或全国全球范围之内已经拥有大量或海量用户，运营上以用户体验为核心的，大型互联网及移动互联网平台，大型可见的比如BATTMD等等，中型已知的比如KZBQTXE等，小型的就不做举例了。
初级阶段，直接运用数据进行市场行业分析，最用户进行精准画像，分析出用户的消费行为趋势以及消费能力。在同领域内进行消费引导和促进消费交易。
中级阶段，把数据进行批量结构化，同时进行数据分析以及模拟建模，以此构建用户行为趋势算法，达到消费类型，服务产品的个性化推荐目的。
高级阶段，通过人工智能，预见未来各大行业的行业走势以及发展趋势，提前在金融行业，以及领先性产业进行商业布局。
二、垂直领域行业数据公司
以细分化的垂直领域或行业经营为主，已经将自己的产品或服务体系进行平台化处理，通过客户及用户数据，服务于自己的行业，消费发展趋势以及相关决策的，大多数垂直领域的电商平台、交易服务平台、信息中介平台都属于此类公司范畴之内。
初级阶段，通过采集数据和用户数据归类以及整理，将客户进行分门别类，用人工的方式促进二次消费或者服务。
中级阶段，通过大数据分析以及用户行为画像，放大消费者的消费购买能力，同时匹配，横向一体化产业产品以及服务，以此来攫取用户的最大商业价值。
高级阶段，通过垂直领域的用户精准画像以及消费趋势分析，提前预判领域内，未来的心境，服务标准以及服务产品与服务体系，做产业化布局。
三、灰色领域数据变现公司
掌握着一定行业资源、垂直领域数据资源，以数据变现，数据交易，以及数据工具作为产品服务的核心，比较看重眼前利益，将企业的营收和利润最大化的，白色及灰色灰白色产业链公司。
初级阶段，直接将用户的数据进行分门别类的出售，或者以一种工具软件或服务的形式代替客户进行精准营销，以此作为核心的盈利产品。
中级阶段，以数据和用户为核心，构建服务营销平台，以客户自助式用户画像，作为营销目的及营销对象，提供平台化精准用户营销，以此收取费用的，营销服务数据平台。
高级阶段，将用户数据进行脱敏后，公开构建大型数据分析以及舆情监控平台，同时，通过互联网抓取用户公开信信息来进行信息组合，通过规模性数据构建来为大型机构，政府事业单位以及相关的商业应用集团进行趋势，和战略方向判断，同时也以此作为舆论导向的分析工具。
根据目前全球互联网的发展情况，我们暂时可以把大数据公司氛围以上三大类，同时我们未来也清晰的可以看见，所有的行业以及产业链，都会与用户及数据为核心，作为一个自己的商业发展地图。所以大数据公司的运营模式已经并不是一个概念性的商业模式了。
6. 大数据分析画像
人力资源大数据分析对企业来说，究竟价值何在呢？
通过对国内外应用人力资源大数据分析企业的了解、分析总结出以下六点人力资源大数据发展的价值体现，企业可以以此作为推广人力资源大数据分析的依据和未来推广成果的判断标准。
第一， 助力企业竞争优势。虽然大数据分析工具已经广泛的应用于企业的财务、市场、生产、研发等部门，并帮助企业创造了不可小觑的经济收益，但大数据分析在人力资源 管理领域的应用价值还是受到部分企业管理者的质疑。但根据分析显示，实施人力资源大数据分析的企业的招聘效率改进速度达到其他企业的两倍，领导力发展能力是其他企业的三倍，公司股价相应的高出约30%，人力资源大数据分析对企业竞争优势的助力是不可否认的。
第二， 保证人力资源管理工作和其他部门工作的协调同步。目前大数据分析在企业管理经营中的大规模应用已经成为时代发展趋势，在企业其他部门通过大数据分析工具精准定位用户，优化产品和服务的同时，企业人力资源部门只有为企业提供更加精准的人才，优化人力资源服务才能匹配企业业务发展需求。
第三， 支撑个性化的人才管理。为配合企业多元化的经营业务以及多样化的人才需求，企业人力资源部门需要在人才选拔、培养、薪酬、绩效上更加的个性化，在人才的调动上更具有灵活性。这就要求人力资源管理人员对员工有更加全面的了解和精确的判断，而人力资源大数据工具恰好可以满足这一需求。
第四， 帮助企业精简机构，降低成本。人力资源大数据工具的应用将原本由人力完成的数据收集、整理、分析工作交由分析工具完成，可以精简基础人力资源工作人员数量，降低人力成本；同时提高人员选拔精准程度可以降低因为人员入离职导致的新员工招聘、培训投入。成本降低的同时也可以解放人力资源工作者将更多的时间投入到价值创造更大的工作中。
第五， 相关各方皆可获利。首先，公司因为他们对人力资本在培训、薪酬福利等方面的投资成果实现了最大化获利。其次，员工因为他们被分配到合适的岗位，接受了个性化的人力资源服务，在工作上取得成功高兴。而最终消费者也会因为企业员工提供的产品和服务充分满足他们的需求，甚至超越他们的期待而高兴。
第六， 帮助管理跨世代人才，适应劳动力的快速变动。近年来众多企业因为95后进入职场,95后走上管理岗位而备受困惑，因为他们在工作追求、生活态度等各方面都具有和80后不同的特点，如何不同世代的员工进行管理，适应劳动力群体的变动成为众多人力资源从业者热议的话题。人力资源大数据分析通过收集劳动力群体入离职、工作行为、能力素质、外部渠道等方面的信息形成360度的员工画像，帮助企业正确的判断员工并进行管理，相信会对跨世代人才管理工作有一定的助力。
7. 大数据画像的应用领域
商务数据中包含着大量的信息，传统的数据处理方式只能够从统计的角度获取有限的知识，而商务智能则可以从海量数据中挖掘对提高商业效益具有重要价值的信息内容。
商务数据处理分析的过程中需要关注六个重要因素：商业敏感性对商务数据分析的重要影响作用；商务数据分析的最终目标是提高投资回报率商务数据分析指标的设置；对指标异常情况的分析和报警；对顾客行为数据的分析是重点；对客户关系的研究和管理是商务数据处理分析的重点。
8. 大数据画像百度百科
挖掘潜在规律，人物画像，个性推荐，关联分析。
9. 大数据用户画像的核心技术
所谓的用户画像,就是根据用户的社会属性、生活习惯和消费行为等信息抽象出的一个标签化的用户模型。根据这个模型,给用户提供针对性的服务。简单来说,就是用户信息标签化。
所以,构建用户画像的核心工作就是给用户“贴标签”,而这些标签是通过对用户的信息进行分析而得到的高度精练的特征标志。