3.1.1　用戶數據挖掘

推薦不止涉及AI算法，其關鍵是數據挖掘。用戶數據是一切推薦算法的根基，是一切推薦策略的依據。

數據挖掘是一種決策支持過程，基于人工智能、機器學習、模式識別、統計學、數據庫、可視化等技術，高度自動化地分析企業的數據，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整推薦策略，降低風險，做出正確的決策。

數據挖掘涉及數據采集、標注、清洗、加工等過程，通過統計、在線分析處理、檢索、機器學習和模式識別等過程，獲取對構建模型更有益的高質量數據。

數據挖掘涉及打通ERP系統、核心系統、CRM系統、數據中臺等多方數據源。數據源包括App、Web、小程序、客戶數據、交易數據、業務數據等，如圖3-3所示。

圖3-3　數據源

以銀行貸款平臺為例，千萬級的企業客戶在數字融資中產生的貸款申請等數據的量極其龐大，符合大數據的特性。因此，銀行可基于客戶貸款行為數據進行分析，實現大數據獲客、精準導流，通過智能匹配推薦符合客戶需求的貸款產品。