开发者学堂课程【场景实践-阿里云 Quick BI 在房源的画像分析上的应用：画像的应用场景】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址:https://developer.aliyun.com/learning/course/525/detail/7081
画像的应用场景
内容介绍：
一、画像应用场景
二、如何构建画像?
一、画像应用场景
精准营销:根据客户需求，精确推荐，提高成功机率，节约时间，提升体验（既能更好的为客户提供服务，又能让企业获取最大利润）;
数据挖掘:根据综合数据可以进行价格预估、成交预估、销售指导、定价指导评估;
统计分析:基于画像数据可以方便构建数据立方题，从各个角度进行分析解读;（将所有数据都放在完整体中，从各个维度看对象都比较方便。经常用于在实际建设中画像的应用）
业务运营:业务经营分析以及竞争分析，影响企业发展战略。（通过画像可以指导产品应用、开发，极大降低了数据的处理门槛，普通人员可以方便得到信息。在以前数据仓库建设中使用类似于画像的思路，目的是使用这些数据使得一线业务人员方便使用业务。如果将不同模块的业务组合在一起是十分困难的，所以后台的数据处理人员将这些数据有机整合在一起通过某些条件方便于之后查询统计应用）
其它:对服务或产品进行私人定制、进行效果评估，完善产品运营，提升服务质量等。
以上就是画像常见的应用场景。
二、如何构建画像?
1、确定目标
（做项目、做工程、数据挖掘分析等都需要确定一个目标。画像建设的发起往往是为了满足一个目标，围绕该目标而不局限于该目标，可以为提升画像的使用范围进行一定程度的扩展延伸，但必须满足原始目标。这是画像的灵魂和内在主线，也是在某一个阶段衡量是否建设成功的标准）
2、基础数据收集
（多数情况下涉及到维度、相关数据等基本都为分散的，没有完整放在一起。例如上节涉及到的房屋的几个要素，基本信息可以比较方便得到，但是一些交易行为信息需要从其它地方寻找，而房屋的证件信息又需要从另一个地方寻找。所以基础数据收集需要查看现在数据需要哪些基础的业务系统、运营系统。收集数据为确定目标后最重要的一件事。确定目标后不能收集到数据，画像也很难完成。在收集数据的过程中往往是原业务系统分析的过程、业务梳理的过程及业务流程处理的过程即积累完善业务知识。）
3、数据质量保障
（提升数据质量的过程即数据预处理过程。数据质量是所有数据工作的基础、生命线，没有质量的数据没有说服力和权威，结果没有意义，应用也会大大降低折扣。例如需求业务系统需要改造，业务处理系统就需要大的数据质量进行监控。源头的变化直接影响到结果的变化，就是数据质量保障的范畴。同时数据质量不是一蹴而就，是一个长期过程。前期确定目标、收集基础数据，数据进行预处理，数据质量有了保障后要继续进行信息抽象及归类。）
4、信息抽像及归类
（信息非常多。准备画像的对象的属性特征很多时如何将信息全部糅合非常关键。若不能糅合还是揉散的，那么画像就失去了意义。此处强调画像的最终输出结果并不是一张宽表，而是一组表或者一组实体。对于前台使用的应用者非常简单，但是后台的处理并不容易。在做设计时画像不为唯一一张，可能为多张。但是前台提供的应用者需要尽量将这些组合方便查询到）
5、画像信息计算与集成
（将数据逻辑处理完成，逻辑关系处理完成后进行数据真正加工处理）
6、评估、优化、迭代
（画像完成后进行评估、优化、迭代，是一种常见的循环往复的过程。所有的数据处理类似项目：数据挖掘、数据画像等都为评估、优化、迭代这种循环的发展，随着数据的发展、随着业务的变化、系统的变化，不断改善不断完成的一个过程）
以上就是整个画像的基本概念和构建思路。
