/B2C-User-Profile-Project

基于Flink流处理的动态实时亿级电商全端用户画像系统

Apache License 2.0Apache-2.0

B2C-User-Profile-Project

基于Flink流处理的动态实时亿级电商全端用户画像系统

Demo 和 源代码地址 : 下载地址

Flink刘处理电商全端用户画像系统

项目简介

用户画像作为大数据的根基,它完美地抽象出一个用户的信息全貌,为进一步精准、快速地分析用户行为习惯、消费习惯等重要信息,提供了足够的数据基础,奠定了大数据时代的基石。 用户画像,即用户信息标签化,就是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后,完美地抽象出一个用户的商业全貌作是企业应用大数据技术的基本方式。用户画像为企业提供了足够的信息基础,能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。

对于大型电商系统来说,数据即石油,当今社会谁拥有了数据谁就拥有了财富,电商拥有海量的数据,想要获取更大的利益,挖掘更多有用的商业价值,因此在电商中用户画像系体必不可少。 用户画像系统能很好地帮助企业分析用户的行为与消费习惯,可以预测商品的发展的趋势,提高产品质量,同时提高用户满意度。构建一个用户画像,包括数据源端数据收集、数据预处理、行为建模、构建用户画像。有些标签是可以直接获取到的,有些标签需要通过数据挖掘分析到!本套课程会带着你一步一步的实现用户画像案例,掌握了本套课程内容,可以让你感受到Flink的强大和大数据应用的广泛性。 随着阿里收购Flink母公司,意味着越来越多的互联网巨头会投入使用Flink技术,因此本案例结合真实业务场景,用先进的Flink技术,让你领先于同行。

所涵盖的知识点包括:Flink、Mongodb、Hbase、Vue.js、Node.js、Kafka、Flume、SpringBoot、SpringCloud、HDFS、Highcharts等等

课程所用到的开发环境 开发环境为:Window7 开发工具为:IDEA
开发版本为:Flink1.7.0、Hadoop2.6.0、Hbase1.0.0、SpringBoot版本2.0.2.RELEASE、SpringCloud版本Finchley.RELEASE

课程亮点: 1.第四代计算引擎Flink1.7 2.SpringBoot版本2.0.2.RELEASE+SpringCloud版本Finchley.RELEASE 3.算法处理包含Logistic Regression、Kmeans、TF-IDF等 4.统计所有终端的数据(移动端、pc端、小程序端,快应用等) 5.亿级海量数据用户画像 6.实时和近实时的对用户进行画像计算 7.前端采用Vue.js+Node.js架构