【小黑送书—第二期】＞＞《用户画像：平台构建与业务实践》

在大数据时代，如何有效地挖掘数据价值并通过画像数据进行呈现，如何基于画像数据构建平台功能并提高业务产出，是值得各类公司和业务人员思考并付诸实践的事情。
通过画像释放大数据价值。大数据时代不缺少数据，而是缺乏挖掘数据价值的系统性方法，希望借助本书提高读者对画像的认识，引导各公司和业务人员从画像的角度更加充分地利用大数据资源并释放更多的数据价值。
介绍清楚画像平台是什么。通过本书将画像平台的构建过程以及赋能业务的方式讲清楚，帮助读者全面且深入地了解画像平台。参考书中内容，读者在构建画像平台和使用画像数据的过程中会更加有的放矢。

内容

这是一本从 功能模块、技术实现、平台构建、业务应用 4个层次由浅入深地讲解用户画像的著作。作者在某头部互联网公司经历了其用户画像平台从0到1并发展为画像中台的全过程，打下了扎实的技术功底，积累了丰富的业务经验，本书从技术和业务双重维度对整个过程进行了复盘。

在这里插入图片描述

具体来讲，本书主要包含如下内容：

（1）画像的作用、业界主流的4种商用画像平台的核心功能和实现逻辑；

（2）画像平台的主要功能、画像平台的技术架构与技术选型、画像平台的数据模型；

（3）画像平台4大功能模块：标签管理、标签服务、分群功能、画像分析的实现方案；

（4）从0到1搭建用户画像平台，包括环境搭建和前、后端工程框架搭建；

（5）画像平台在用户的不同生命周期阶段和各种业务场景中如何为业务赋能；

（6）画像平台的优化和最佳实践。

Contents目　　录前　言第1章　了解画像平台  11.1　画像基本概念  11.1.1　什么是画像  11.1.2　画像的重要性  21.1.3　画像平台定位  31.2　OLAP介绍  31.2.1　OLAP与OLTP对比  31.2.2　OLAP场景关键特征  41.2.3　OLAP的3种建模类型  51.2.4　OLAP相关技术发展历程  51.3　业界画像平台介绍  61.3.1　神策数据  71.3.2　火山引擎增长分析  101.3.3　GrowingIO  131.3.4　阿里云智能用户增长  161.4　画像平台涉及的岗位  181.4.1　数据工程师  181.4.2　算法工程师  181.4.3　研发工程师  181.4.4　产品经理  191.4.5　运营人员  191.5　本章小结  19第2章　画像平台功能与架构  202.1　画像平台主要功能  202.1.1　标签管理  202.1.2　标签服务  242.1.3　分群功能  252.1.4　画像分析  282.2　画像平台技术架构  322.2.1　画像平台常见的技术架构  322.2.2　画像平台技术选型示例  332.2.3　业界画像功能技术选型  352.3　画像平台的3种数据模型  362.4　本章小结  38第3章　标签管理  403.1　标签管理整体架构  403.2　标签分类  433.2.1　标签实体及ID类型  433.2.2　标签分类方式  443.3　标签管理功能实现  483.3.1　标签存储  483.3.2　标签生产  553.3.3　标签数据监控  673.3.4　工程实现  693.4　岗位分工介绍  703.5　本章小结  72第4章　标签服务  734.1　标签服务整体架构  734.2　标签查询服务  744.2.1　标签查询服务介绍  744.2.2　标签数据灌入缓存  764.2.3　标签数据结构  794.2.4　标签数据处理  814.2.5　工程实现  834.3　标签元数据查询服务  854.3.1　标签元数据查询服务介绍  854.3.2　工程实现  874.4　标签实时预测服务  894.4.1　标签实时预测服务介绍  894.4.2　工程实现  904.5　ID-Mapping  934.6　岗位分工介绍  974.7　本章小结  98第5章　分群功能  995.1　分群功能整体架构  995.2　基础数据准备  1015.2.1　画像宽表  1015.2.2　画像BitMap  1085.3　人群创建方式  1115.3.1　规则圈选  1125.3.2　导入人群  1195.3.3　组合人群  1215.3.4　行为明细  1235.3.5　人群Lookalike  1255.3.6　挖掘人群  1265.3.7　LBS人群  1275.3.8　其他人群圈选  1285.3.9　工程实现  1315.4　人群数据对外输出  1375.5　人群附加功能  1385.5.1　人群预估  1385.5.2　人群拆分  1405.5.3　人群自动更新  1415.5.4　人群下载  1425.5.5　ID转换  1435.6　人群判存服务  1445.6.1　Redis方案  1445.6.2　BitMap方案  1475.6.3　基于规则的判存  1495.7　岗位分工介绍  1505.8　本章小结  152第6章　画像分析  1536.1　画像分析整体架构  1536.2　人群画像分析  1556.2.1　人群分布分析  1556.2.2　人群指标分析  1566.2.3　人群下钻分析  1576.2.4　人群交叉分析  1586.2.5　人群对比分析  1586.2.6　工程实现  1596.3　人群即席分析  1656.3.1　分布分析与指标分析  1666.3.2　下钻分析与交叉分析  1676.3.3　人群画像预览  1686.4　行为明细分析  1696.4.1　明细统计  1716.4.2　用户分析  1736.4.3　流程转化  1766.4.4　价值分析  1796.4.5　工程实现  1816.5　单用户分析  1836.5.1　用户画像查询  1846.5.2　用户关系数据分析  1856.5.3　用户涨掉粉分析  1906.5.4　用户内容流量分析  1926.6　其他常见分析  1936.6.1　业务分析看板  1936.6.2　地域分析  1956.6.3　人群投放分析  1976.7　岗位分工介绍  1996.8　本章小结  200第7章　从0到1构建画像平台  2017.1　基础准备  2017.1.1　技术组件协作关系  2017.1.2　基础环境准备  2037.2　大数据环境搭建  2067.2.1　Hadoop  2077.2.2　Spark  2107.2.3　Hive  2127.2.4　ZooKeeper  2157.2.5　DolphinScheduler  2167.2.6　Flink  2177.3　存储引擎安装  2197.3.1　ClickHouse  2197.3.2　Redis  2217.3.3　MySQL  2227.4　工程框架搭建  2237.4.1　服务端工程搭建  2237.4.2　前端工程搭建  2377.5　运行开源代码  2387.6　本章小结  240第8章　画像平台应用与业务实践  2418.1　画像平台常见应用案例  2418.1.1　标签管理应用案例  2418.1.2　标签服务应用案例  2448.1.3　分群功能应用案例  2458.1.4　画像分析应用案例  2478.2　用户生命周期中画像的使用  2488.2.1　用户生命周期的划分方式  2498.2.2　引入期画像的使用  2508.2.3　成长期画像的使用  2518.2.4　成熟期画像的使用  2528.2.5　休眠期画像的使用  2538.2.6　流失期画像的使用  2548.3　画像平台业务实践  2558.3.1　用户增长  2558.3.2　用户运营  2598.3.3　电商卖货  2638.3.4　内容推荐  2668.3.5　风险控制  2688.3.6　其他业务  2718.4　本章小结  273第9章　画像平台优化总结  2749.1　任务模式  2749.1.1　任务定义及执行模式  2769.1.2　任务优先级及并发控制  2779.1.3　父子任务拆分  2779.1.4　任务异常检测与重试  2789.1.5　便捷的横向拓展能力  2799.2　人群创建优化进阶  2799.2.1　人群圈选需求  2799.2.2　简单直接的解决思路  2809.2.3　将ClickHouse作为缓存  2819.2.4　SQL优化  2839.3　BitMap在画像平台中的使用方案  2869.3.1　BitMap基本原理  2869.3.2　BitMap在人群圈选中的使用方案  2879.3.3　BitMap在分布分析中的使用方案  2899.3.4　BitMap在判存服务中的使用方案  2919.4　画像宽表生成优化  2929.4.1　多表左连接  2939.4.2　分组再合并  2949.4.3　增加数据加载层  2969.4.4　采用Bucket Join  2979.5　ID编码映射方案  2999.6　如何构建一个类似神策的平台  3019.6.1　神策产品介绍  3019.6.2　主要技术模块  3029.7　平台技术优化思考  3059.8　本章小结  307