互联网,广告,的用户行为分析,和数据挖掘.

技术栈：清洗 hive + 分析 hive + 可视化 echarts 处理方式：离线模式 数据集文件请在csdn资源中需找下载（是有的）。 或者也可在阿里云数据集自行下载：https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1

用户画像学习

财政收入影响因素分析及预测模型 电力窃电漏电用户 自动识别 ■电商产品评论数据情感分析 电子商务网站用户行为分析及 服务推荐 ■航空公司客户价值分析 航空公司客

1.对文本文件形式的原始数据集进行预处理 2.把文本文件的数据集导入到数据仓库Hive中 3.对数据仓库Hive中的数据进行查询分析 4.使用Sqoop将数据从Hive导入MySQL 5.使用Sqoop将数据从MySQL导入HBase 6.使用HBase Java API把数据从本地导入到HBase中 7.使用R对MySQL中的数据进行可视化分析 内含三份报告和数据集，报告中有源码，是用spark做的

Cobub Razor是一个老牌的开源用户行为分析系统，地址github.com/cobub/razor。C4J是基于Cobub的升级版私有化的用户行为分析工具，可以进行全渠道的用户分析；安装部署简单，一个小时可以完成安装部署工作；模块化设计，可以按需安装对应模块；C4J符合国家法律要求，尤其是2021年11月1日开始执行的个人信息保护法，可以保证用户数据私有化不泄露。此数据分析工具对有APP数据分析需求的公司具有良好的适用性，官方文档支持40万的日活。下载包含安卓Android、iOS、微信小程序、H5/Web的SDK，服务器端的安装包以及安装文档。C4J是Cobub for Java的缩写，是CR的升级版本，地址c4j.cn。

电力行业中，大数据的用户行为分析及可视化技术应用。

本教程基于Spark技术高仿驴妈妈旅游网实现的电商行为分析（视频+讲义+代码），涉及核心技术包括但不限于：基于CDH 5.x版本HADOOP生态组件，8台机器，Spark ,HBASE,HIVE,Spark,SparkSQL等

基于用户行为分析和推理的智能照明系统算法设计.pdf

基于hadoop进行用户网上浏览痕迹数据的行为分析。