数仓理论 —— 用户画像

1 用户画像简介

用户画像，即用户信息标签化。通过用户各个维度的信息，描述用户。
用户画像建模，即给用户“打标签”。

标签类型，可分为三类：

• 统计类：用户的基本属性。如性别等维度，活跃天数等。
• 规则类：在统计类标签的基础上，加规则，进一步限制。如“近30天交易次数>=2”的用户才算“消费活跃”。
• 机器学习挖掘类：没有准确的数值，通过算法预测而来的信息。例如通过用户的行为习惯判断用户的性别。

2 用户画像实例

2.1 画像表结构设计

表结构设计的重点：存储哪些信息、如何存储（数据分区）、如何应用（如何抽取标签）。

依据不同业务场景，有两种方案：每日全量数据、每日增量数据。

每日全量数据：例如全量用户数据表。优点：便于查询。缺点：不便于查询更细粒度的用户行为。命名：表名加后缀“_all”。
每日增量数据：例如当日用户行为表。 可视为ODS层的用户行为画像。命名加后缀“_append”。