近年來，在智能化趨勢的推動下，社會經濟的眾多領域都發生了翻天覆地的變化，其中尤其以金融、零售等最為明顯。以零售業為例，隨著移動互聯網的出現和快速發展，傳統的商超、店鋪漸漸從線下走到線上變身為“電商”，之后在大數據、人工智能等技術的加持，蛻變過一次的零售業1.0又經過了2.0到3.0的快速迭變。
其實，類似以上的過程同時在很多領域不斷上演，而作為企業成功蛻變的重要手段和基本因素，“大數據”在其中日益受到人們的關注。
據相關統計，截止到2016年年底，中國大數據產業規模突破14000億元。其中，基礎支撐層規模為1335億元，數據服務層規模為202.9億元，融合應用層規模達到13000億元，占比達到將近90%。數據之外，僅僅是國內近一兩個月內，阿里巴巴、華為、蘋果等等都相繼宣布建筑新的數據中心。
用戶畫像（persona）的概念最早由交互設計之父Alan Cooper提出：“Personas are a concrete representation of target users.”他認為“用戶畫像是真實用戶的虛擬代表，是建立在一系列真實數據之上的目標用戶模型”。
近年來，“大數據”越發受到企業的重視。如傳統制造業，通過推動大數據在研發設計、生產制造、經營管理、市場營銷、售后服務等產品全生命周期、產業鏈全流程各環節的應用，從而能夠分析感知用戶需求，以進一步提升產品附加價值，打造智能化管理系統；又比如證券行業，借助大數據的協助，其能夠提前預知市場狀況、接下來的走勢等多個指標，這也是當下金融科技（Fintech）的一種表現形式。
事實上，香港服務器 香港服務器租用，不管是以上提到的大數據與制造業、金融業的結合形式，還是在其他產業的應用，從本質上講都是一種廣義的“用戶畫像”的刻畫。
“用戶畫像”的構造一般分為三個步驟：數據采集、行為建模和畫像構造。
數據采集的對象包括網絡行為數據、個人內容偏好等多種數據。以往，企業等通過問卷調查、隨機抽查來采集數據，之后由于互聯網的普及，這一行為被搬到了線上，也就是所謂的“線上大數據”。而在眼下，隨著移動互聯網的快速發展和人工智能算法的精進，這一行為又再次出現了轉移線下的趨勢，也就是當下備受關注的“線下大數據”。
線下—線上—線下，變化如此波折，發生了什么？
這主要是因為一直以來，主機托管 深圳電信托管，人們更多的行為數據是發生在線下的。根據國家公布的相關數據顯示，目前線上消費行為在總體消費中所占的比例仍不足20%，而線下大數據每年平均能夠占到88%左右的份額。
在線上行為以絕對劣勢少于線下行為的前提下，線上大數據所構造的用戶畫像可能并沒有那么的精準。這時，就必須要借助更加海量的線下大數據的支撐。
另外，在“用戶畫像”的構造上，100%永遠是一個達不到的目標，因為用戶的行為習慣等各項數據是時刻變化著的。比如用戶最近需要購買的東西，這一數據是不斷變化的，為了實現一個更為精準的推薦，算法也需要依據實際情況來不斷地替換或者是補充新的標簽，企業版“用戶畫像”的構造原理亦是如此。
線下大數據對“用戶畫像”的構建具有更大意義
“用戶畫像”在具體應用上也體現出了幾種不同的構造類型：
A.一種是對線上大數據的純粹依賴：這一類“用戶畫像”的構造形式在生活中也較為常見，尤其是在主打內容運營的市場。這也是互聯網+信息化時代這一過渡期間，各企業完成的第二次蛻變。
譬如每個人幾乎每天都會打開的UC、今日頭條、愛奇藝、網易云音樂等資訊或音樂類APP，這些軟件都帶有一個“智能推薦”功能，其所起作用的也就是一個針對個人的“用戶畫像”。
當你在聽音樂、看新聞的時候，APP的后臺就在“悄無聲息”的采集你的各項行為數據，包括內容的類型、打開時間等等。在這一類“用戶畫像”的構造中，企業所采集和依賴的幾乎就是線上大數據，線下大數據所能夠提供的幫助是微乎其微的，甚至可以說是忽略不計的。
