課程目標：本課程將基於企業應用場景開發和授課，通過Flink實現真正的用戶畫像，掌握Flink技術。
適合人羣：適合有大數據開發基礎和flink基礎的同學。
學前必知：
用戶畫像作爲大數據的根基，它完美地抽象出一個用戶的信息全貌，爲進一步精準、快速地分析用戶行爲習慣、消費習慣等重要信息，提供了足夠的數據基礎，奠定了大數據時代的基石。 用戶畫像，即用戶信息標籤化，就是企業通過收集與分析消費者社會屬性、生活習慣、消費行爲等主要信息的數據之後，完美地抽象出一個用戶的商業全貌作是企業應用大數據技術的基本方式。用戶畫像爲企業提供了足夠的信息基礎，能夠幫助企業快速找到精準用戶羣體以及用戶需求等更爲廣泛的反饋信息。
對於大型電商系統來說，數據即石油，當今社會誰擁有了數據誰就擁有了財富，電商擁有海量的數據，想要獲取更大的利益，挖掘更多有用的商業價值，因此在電商中用戶畫像系體必不可少。
用戶畫像系統能很好地幫助企業分析用戶的行爲與消費習慣，可以預測商品的發展的趨勢，提高產品質量，同時提高用戶滿意度。構建一個用戶畫像，包括數據源端數據收集、數據預處理、行爲建模、構建用戶畫像。有些標籤是可以直接獲取到的，有些標籤需要通過數據挖掘分析到！本套課程會帶着你一步一步的實現用戶畫像案例，掌握了本套課程內容，可以讓你感受到Flink的強大和大數據應用的廣泛性。
隨着阿里收購Flink母公司，意味着越來越多的互聯網巨頭會投入使用Flink技術，因此本案例結合真實業務場景，用先進的Flink技術，讓你領先於同行。
本課程基於真實的大型電商系統場景下講解的用戶畫像系統，本系統採用第四代計算引擎Flink，同時採用微服務架構SpringBoot+SpringCloud架構 ，前端採用Vue.js+Node.js架構，完全符合目前企業級的使用標準。
項目中採用到的算法包含Logistic Regression、Kmeans、TF-IDF等，由於Flink暫時支持的算法比較少，對於以上算法，本課程將手把手帶大家用Flink實現，並且結合真實場景，學完即用。本套教程的Flink算法部分屬於國內課程首創。
系統包含所有終端的數據（移動端、PC端、小程序端，快應用等），支持億級數據量的分析和查詢，並且是實時和近實時的對用戶進行畫像計算。
更多內容詳見：
基於Flink流處理的動態實時億級電商全端用戶畫像系統視頻教程
http://www.kokojia.com/course-5929.html