在共同體面前主力用活潑的互動態勢把今開經典靈魂快樂之勇往直前輩出的新生鮮活的召氣拿出來叫那些鬼兒子混不下去了和平就握在這個命新超越的新的紅紅的旗幟下的中國巨人腳下了

大資料即巨量資料的集合，網際網路、物聯網、穿戴裝置等等，在這個網際網路時代，人們留下的行為資料無時無刻不被記錄，造就了巨量的資料，進而出現了大資料分析挖掘等崗位的出現。透過對大資料的分析挖掘，可以發現歷史規律以及對未來的預測，這也是大資料分析的核心目標。

那麼如果利用大資料來深度挖掘互聯網裡的潛在使用者呢？下面從業務邏輯流程上來介紹。

1、潛在目標使用者畫像

例如需要挖掘裝修的潛在使用者，他們的活躍渠道主要在各大家裝網站、家居網、裝修設計網等與房子有關的網站或app，一般這類使用者都會提前在這些網站/app瀏覽做準備。

2、資料採集

在明確了潛在使用者活躍渠道後，可以針對性的採集資料，資料採集後需要對資料做清洗、轉換、載入，將一些無用的資料提前篩選，保證資料的質量。

3、資料建模

這個階段是非常重要的，透過資料的建模去分析出潛在目標使用者，建模是一件非常複雜的工作，需要將使用者的行為資料、畫像資料進行拆分、合併、關聯，從而建立一套或多套資料模型。

還以裝修為例：

（1）消費能力模型，我們可以根據使用者瀏覽傢俱的價格、以往消費歷史紀錄、收入等對使用者進行消費能力分析；

（2）優質客戶分析模型，可以根據使用者瀏覽次數、停留時長、購買記錄、信譽度等資料進行分析，從而得出使用者裝修的迫切程度，可以分為高、中、低三個等級。

同時還可以加入使用者的所在區域、小區等維度進行分析（根據具體需要），將模型細分，最後可以透過各個模型關聯碰撞，組合成多種模型，如消費能力強且馬上要裝修的潛在使用者、消費能力強不太迫切要求裝修的潛在使用者等等，這樣可以實現差異化、精準化的運營。（例子舉的很簡單，事實上真正做起來還是很複雜的，各方面因素都要考慮到）

4、開發驗證

資料建模完成後，就需要研發完成並運用到實戰當中，去檢驗資料模型的準確性到底如何，根據結果去對模型做調整。

大資料分析本來就是一項對未來將要發生什麼事做的預測的工作，這種不確定性的預測隨著社會發展、時間、地點、環境、政策等變化而不斷變化，所以我們在做分析挖掘時，需要快速不斷地試錯去調整，從而達到一個比較準確的分析結果。

這個問題涉及非常專業的技術。淺層次是所謂人物畫像技術，中間層次是網路行為模式分析技術，高層次是網上網下協同分析技術。