从学历到就业情况，7张图描绘美国大数据人才的高薪路径

正文

请到「今天看啥」查看全文

消费时间本身也是重要的维度，通过时间我们可以根据时间段进行数据汇总，同时时间本身可以按年，按季度，按月逐层展开，也是一种可以层次化展开的结构。同时还可以注意到时间本身还可以进行消费频度的分析，即某一个时间段里面的刷卡次数数据，根据消费频度可以反推到某一个区域本身在某些时间段的热度信息。

如果仅仅是信用卡的刷卡消费清单数据，我们比较难以定位到具体的商品SKU信息上，如果是一个大型超市，则对于详细的用户消费购买数据，还可以明细到具体的商品上，则商品本身的维度属性展开又是可以进行拓展分析和聚合的内容。

数据本身可能具备相关性，刷卡消费的数据往往可以和其它数据直接发生相关性，比如一个地区本身的大事件，一个区域举办的营销活动，我们从交通部门获取到的某个区域的交通流量数据。这些都可能和最终的消费数据发生某种意义上的相关性。

如果仅仅是从刷卡数据本身，前面谈到可以根据商户定位到商家的经营范围，究竟是餐饮类的还是卖衣服类的。那么根据不同的经营类型可以分别统计刷卡消费数据，然后我们就可以分析，对于餐饮类的消费金额增加的时候服装类的消费是否会增加，即餐饮商家究竟对一个商场的其它用品的销售有无带动作用等？

对于人员同样的道理，可以分析不同年龄段的人员的消费数据之间是否存在一定的相关性？这些相关性究竟存在于哪些类型的商品销售上等。这些分析将方便我们制定更加有效的针对性营销策略。

End

你投稿，我送书

为了让大家能有更多的好文章可以阅读，36大数据联合华章图书共同推出「祈文奖励计划」，该计划将奖励每个月对大数据行业贡献（翻译or投稿）最多的用户中选出最前面的10名小伙伴，统一送出华章图书邮递最新计算机图书一本。投稿邮箱:[email protected]

点击查看：你投稿，我送书，「祈文奖励计划」活动详情>>>

阅读排行榜/精华推荐

请到「今天看啥」查看全文