爲何90%的人物畫像都是沒用的？

一提到「人物畫像」，比較常見的解釋是對人物或者事物進行特徵化，可是您真的明白了嗎？

它能在實踐中起到什麼做用？

它的構建思路是什麼？

最終的結果是怎麼出來的？

在構建畫像的時候，咱們應該注意什麼？

今天咱們就來填補這90%的空白，用OpenFEA做爲分析、畫像構建工具來答疑解惑。

1、人物畫像概念及意義

爲了讓你們直白地理解「人物畫像」，我舉個例子來講明一下。若是您對歷史感興趣，熟悉三國演義中的人物，那麼當您看到「素衣綸巾,手搖羽扇 」形象時，立刻就能想到諸葛亮，這就是諸葛亮這一人物的標籤之一，若是再加上「草船借箭，舌戰羣儒」這樣更爲具體的標籤，而後再將全部標籤整合在一次，就造成了諸葛亮的「人物畫像」。所以，也能夠說人物畫像就是判斷一我的是什麼樣的人（興趣愛好、行爲習慣、標誌性事件等）。

人物畫像能對用戶進行精肯定位、統計分析，從而爲精準營銷等商業行爲提供較大的幫助。好比，在產品還未定型的初創期，人物畫像能進行業務經營分析以及競爭分析，幫助制定發展戰略；在產品運營的成長期，能使產品的服務對象更加聚焦，更好地知足用戶的需求，提高公司的經營效益；在產品成熟期，能幫助尋找新的增加點和突破口。

理解了人物畫像是個什麼東東後，咱們接下經過教育行業的學生數據，來介紹人物畫像的思路、實踐過程及注意事項。

2、數據準備

先介紹一下本次數據構成：

一、充值記錄數據：學生卡全部的充值記錄（包括充值、補卡、補貼等信息）；

二、消費記錄數據：學生全部的消費地點、消費方式、消費金額等信息的記錄；

三、學生成績數據：經過得到學分的總和除學分總數得到排名；

四、宿舍入住數據：學生宿舍的進出數據；

五、圖書館借書數據：學生的借書記錄；

六、圖書館進出數據：學生到圖書館的記錄，有一部分沒有分進出；

七、助學金數據：學生的助學金數據；

最終目標，爲每一個學生（大約爲2萬多個學生）都能展現7個維度，本文只講思路，不講代碼。

3、畫像構建思路

     人物畫像的總體設計思路是把全部的維度集中在一張DF表中，一條記錄就是一個學生的畫像或者說一個學生的標籤。步驟以下：

1. 載入studentIP_test.csv/subsidy_train.csv文件，去重，只保留學生ID列數據，即肯定了哪些學生將被計算(生產人物畫像),生產df表A；

2. 充值維度計算生成B表，總共充值多少、平均每次充值多少、最大充值金額，總共充值了多少次；

3. 消費維度計算生成C表，消費了多少次、方式消費有幾種、消費平均金額、消費的最大值是多少、消費地方前5名、消費內容前5名（中間用「|」隔開）；

4. 圖書館進出數據維度計算生成D表，進出多少次、在圖書館有多少天、學平生均在圖書館天數有多少，暫時不考慮在圖書館的總計時間；

5. 圖書館借書維度計算生成E表，借了多少本數、借書最多的種類有哪些（種類是指文學、數學等科目）；

6. 宿舍維度計算生成F表，進多少次、出多少次、進與出差值是多少，在宿舍有多少天，晚歸天數有多少，最後一天入住的時間是多少。

7. 助學金維度計算生成G表,直接加入助學金維度；

8. 所有經過id，使用左鏈接，進行合併生產X表；

4、畫像實踐

（一）消費維度的計算方法     

本次計算的難點在消費與充值維度上，總共有1.5G的數據。由於一開始單純使用foreach爲每一個學生輪詢計算，計算效率低下，後來從新使用cluster+foreach的辦法，至少節省大約一半的時間。具體辦法以下：

1. 定義10個引擎（define c1 as ip地址：端口號）。

2. 把2萬多個學號，排序後分紅10組,建立df表z，z的表結構是分組序號，開始序號，結束序號。

3. 建立一個新的腳本x.fea，讓cluster調用x.fea。

4. 在x.fea腳本中，把傳遞進來的型號，直接建立foreach的運行母表y。

5. 再次新建立y.fea腳本，本腳本就是用於處理每一個學生的就餐地點排名、消費種類排名等數據。

Cluster和foreach基本上用以上步驟來結合使用。

存在一些以下問題：

1.  10個引擎都要導入這1.5G的數據，導入內存大約須要7G。由於每一個引擎的數據都是隔離的，而引擎之間沒有公共的取數據區概念，致使重複導入9次。使用cluster並行計算後一下就使用掉63G的內存。

2. 使用foreach，循環體需儘可能簡短，才能增長效率。

（二）其餘時間相關維度計算方法     

在宿舍、圖書館數據中，要計算在宿舍或者在圖書館天數的維度，須要如下兩步操做：

1. 須要分割時間，保留天，例如2015/05/09 12:15:03,須要把12:15:03去除，保留2015/05/09 。

2. 須要多數據作兩次group by 操做，第一次是學生號和時間，第二次是學生號。

（三）人物畫像交互面板的設計

交互面板設計實踐，主要是使用兩個技巧性的東西，來避免存2萬各ssdb key，說明以下：

1.  本次是使用隨時計算來實時獲取學生ID號的畫像，都保存爲一個KEY,本KEY值不帶任何參數。也就是說你算完學號1，再算學號2時，學號2的信息會覆蓋學號1的信息，那就避免了存2萬ssdb key的尷尬。

2.  各維度合併後的df表X，每一個記錄就是一個畫像，因此就必須有腳原本處理、拆分，使之符合人物畫像的數據格式要求。因此交互面板調用的腳本，就是拆分記錄的腳本。

5、畫像結果輸出

（一）各維度合併後的df表X

X表保存了，每一個學生對應的各類維度。

（二）對學生ID分解後符合人物畫像結構

主表的表結構，以及對應的記錄。

 從表的表格以及記錄。

（三）門戶展現畫像

6、總結

一、本文總體都是寫分析思路，沒有附帶代碼，若是有須要能夠發郵件至fea@hzhz.co索取。

二、本文思路不必定是最好的，仍是要你們多作實踐，實踐出真知。

三、各類維度的提取是預測或者說是機器學習的基礎。