数据清洗任务

未分类

1. 用户终端使用变迁

需要对型号进行归一化，但一般很少有人换机只换型号。
需要把所有手机型号的基本信息拿到，发布时间，发布顺序
单用户，多手机数据，判断高价值用户
2016年1-3月的手机发布情况

IMEI,IMSI: 前者是手机，后者是SIM卡

2. 用户兴趣标签

题目一
1、对数据进行初步分析，做出分类或者用户标签，原则一是属性标签化，二是属性交叉率低。

2、属性分类。如人口属性（包括性别[访问IT类、体育类、社会时事类app、购物网站次数]、是否有小孩[访问教育类网站]、年龄[访问健康类app的pv、访问招聘类网站]、交往圈规模等）、商业属性（消费等级[是否有出国行为或者跨省行为、房产类网站、汽车app的pv数、金融类网站]、消费兴趣、）、营销属性(营销敏感度[访问购物类网站次数]、风险偏好[使用股票类app数量、使用理财类app数量])
3、用户画像的数据模型，可以概括为下面的公式：用户标识 + 时间 + 行为类型 + 接触点（网址+内容），某用户因为在什么时间、地点、做了什么事。所以会打上**标签。
4、运营商：数据种类不够丰富，缺少用户历史消费行为（线上线下），变现收益有限；较大的投入和不确定的收益，使多数大数据应用缺少“性价比”。中小商家：行业市场研究能力不足，无法适应客户消费口味变化；营销能力不足，无法制定与客户口味相关的营销策略；数据挖掘和利用能力不足，无法聚焦目标人群和找到潜在人群；引流成本大。客户：信息过载，寻找有效信息困难并且无趣；线下维权困难，如遇到不满意的服务，很难追回相应损失。