传统企业中进行用户调研，常常会组织市场部门的人员去分发调查问卷，再将收集回来的问卷进行数据分析。从问卷设计到样本选取再到最后的分析，整个过程十分依赖个人的经验和判断。这样就会使得调查结果出现偏差，最终没有办法得到准确的用户画像。如果说用户画像的缘起是为了更好地理解客户需求、改善客户体验，那么随着信息技术的发展，大数据时代的用户画像则从另一个层面颠覆了传统的营销路径：不仅可以理解需求，而且可以预测需求。从此，营销计划可以始于对结果的预测而不仅是对动机的理解。

只要累积了足够多的用户数据，就能对消费者有更深入的了解，包括他的喜好、价值观、行为习惯。这是许多大数据营销的前提与出发点。大数据用户画像可在以下应用实现商业价值转化。

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。用户画像的焦点工作就是为用户打“标签”，而一个标签通常是人为规定的高度精炼的特征标识，如年龄、性别、地域、用户偏好等，最后将用户的所有标签综合来看，就可以勾勒出该用户的立体“画像”了。

“用户画像”并不是最近才出现的，只是近几年谈得比较多。对用户进行画像分析就是将用户信息标签化的过程，打标签是为了帮助理解且方便计算机处理。除了分析数据源，“用户画像”最关键的是根据用户行为及数据，构建模型产出标签、权重。简单地说，就是要设计标签体系，并规定符合该行为的人对应的标签。如“性别”标签，为什么会出现基本属性“男”，而购物偏好性别计算显示“女”?原因在于直接通过用户填写的信息获取的是基本属性，而“网络行为性别”是建模计算出来的，经常在网络上购买女性喜爱的礼物会被系统判定成“女”，我们猜测这个人可能是暖男。

从使用场景出发，进行数据维度分解和列举。根据相关性原则，选取和战略目的相关的数据维度，避免产生过多无用数据干扰分析过程。比如互联网金融的分析体系，就可以从用户属性、经营数据、运营数据的分类对数据进行清洗分类。