若要利用大数据推荐商品及提高购买力，则需要知道的数据有（1）用户的订单数据
消费者在不同品类下购买的商品价格，反应了在此品类下的消费能力和水平。每个消费者都是一个样本，并从他的订单数据中拆出不同商品的购买价格，一般会选择近1年的订单样本。
（2）用户的浏览数据
浏览数据庞大繁琐，只取半年的记录即可。根绝用户访问的目标品类下sku的价格和频次等，来初步判断用户的购买水平。
接着，将上述数据通过以下步骤处理
- 首先根据当前的业务需要结合战略目标，构造相应的标签体系。
- 结合需求目标，寻找各个底表，再把需要的数据，存储到自己建的仓库或者是集市，并清洗脏数据，数据探查。
- 根据特征，数据标签提取对应数据，生成样本并开始建立模型。
- 优化模型特征抽取方法，增加训练集样本，尝试不同比例的训练和测试数据集、优化模型参数。
- 对样本进行测试，继续优化并逐渐调优。
最后，操作具体模型细节
- 以用户为标本，每个用户都为一个实体。抽取他在网站上近一年所购SKU数据为样本数据。
- 把sku的价格按照其所属三级分类进行档次划分，可以将价格华为5档，分别为价格高，价格偏高，价格中等，价格偏低，价格低。
- 将抽取出来的消费者购买的sku数据进行比对和参考，落到哪个档次的数量越多，该用户越趋近哪个档次。
