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。

项目中采用到的算法包含Logistic Regression、Kmeans、TF-IDF等，Flink暂时支持的算法比较少，对于以上算法，本课程将手把手带大家用Flink实现，并且结合真实场景，学完即用。本套教程的Flink算法部分属于国内课程首创。 

系统包含所有终端的数据（移动端、pc端、小程序端，快应用等等），支持亿级数据量的分析和查询，并且是实时和近实时的对用户进行画像计算。

课程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

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，获取极大的利益，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。

本课程基于真实的大型电商系统场景下讲解的用户画像系统，本系统采用第四代计算引擎Flink，同时采用微服务架构Spring Boot+Spring Cloud 架构 ，前端采用Vue.js+Node.js架构，完全符合目前企业级的使用标准。