在互联网的下半和精致的操作时代，许多互联网公司使用各种方法来收集消费者信息，然后使用大数据来分析相关技术，分析消费者偏好，消费习惯，消费能力和消费频率。价格被推向不同的人。有三个特定的细分：1。根据用户使用的不同设备进行差分定价; 2.根据用户消耗的不同地方的差异定价; 3.根据用户的不同消耗频率进行差异定价。所以让我们看看今天看看，了解我们如何逐步了解大数据。大数据的关键步骤是用户肖像。所谓的用户纵向系统是指对用户相关的数据，数据处理和分析以及用户分类的集合。当您注册为用户时，系统知道您的用户是什么样的用户，可以进行准确的数据营销。熟悉只是根据不同用户的特征显示不同数据的系统的表现。那么如何构建用户纵向系统？首先，将不同的标签绘制到产品层的用户，验证产品设计中的用户注册信息，从客户端和服务器中收集日志，在数据收集中，分析数据仓库中的数据，呈现不同的数据，最后给它提供给这生意。应用层（例如营销，数据报告，防欺诈等），可以在下图中看到整个用户纵向系统架构图。

在为用户定义标签时，我们可以将它们分成基本标记，行为标签，首选项标记和预测标签。基本标签是指用户的基本信息，例如年龄，设备信息，职业，性别和教育;行为标签指的是用户的个人行为，例如，浏览，转发，分享，购买和遵循;偏好标签是指用户的个人便利，如汽车，食物，旅行，动画;预测标签指的是用户的个人预测，例如是否在不久的将来旅行，是否在不久的将来购买房屋等。在定义标签规则后，我们可以收集，处理和分析数据。整个架构可以分为三层，即数据收集层，数据处理层和数据服务层。在数据收集层处，通过诸如日志和数据库的方法实时收集数据，数据通过Kafka消息中间件传输到数据分析引擎。数据分析引擎包括实时计算和离线计算。可以通过传输计算引擎执行实时计算，并且可以通过Hive和Hadoop执行离线计算。在计算架构方面，建议使用Lambda架构来分离实时计算和离线计算，因为可能无法通过实时计算进行一些数据。对于数据存储，Hbase可用于离线标记存储和REDIS，用于实时标记存储。

在数据建设系统中，我们必须特别注意数据的质量和及时性。对于数据质量，我们需要注意覆盖范围是否全面，准确，通过监控系统的相应验证分析调整可以逐步提高质量;对于数据及时性，除了从业务需求中的实时数据和非实时数据外，我们还应该注意其他因素是否会导致数据收集和数据处理延迟;最后，为了避免反复对接，我们应该建立一个统一的数据系统，以便所有业务数据都以这种格式停靠，而不是每个系统兼容一次，这也是数据仓库和数据中心的设计思想。收集和分析用户数据后，我们可以执行用户肖像。从用户的整体生命周期的角度来看，它可以分为潜在的用户，新用户，活动用户，静音用户和丢失的用户;对于不同的用户组，用户的购物习惯，购物习惯，购物频率和购物能力被细分。 ，以及时推荐产品。我们在互联网时代出生的人，居住在互联网时代的人们享受了技术股息带来的便利性，也造成了竞争。只有这样的大数据根除事件就会出现。然而，当你砍掉双手时，不要太担心。一些国家已经通过了“电子商务法”规定：如果电子商务运营商根据其爱好，消费习惯和其他特征为商品或服务的搜索结果提供消费者，它们应该同时，提供消费者与他或她的个人特征无关，尊重和保护消费者的合法权益的选项;可以避免通过不同设备之间的价格比较，不同用户之间的价格比较和在线和离线价格评估之间的价格比较。与此同时，互联网巨头有大规模的数据和强大的算法，他们还应该专注于技术创新，为社会带来更多的进步?