目前我国高端装备制造产业资源整合困难，构建高端装备制造业科技服务平台，将能够更好的整合科技服务资源，实现资源共享、重用，有效避免资源浪费。而其中个性化服务是高端装备产业科技服务平台的重要组成部分。用户画像在个性化服务中有着重要的作用。用户画像则更多被定义为用户在日常互联网生活行为下产生一系列数据精炼出来的特征标识。构建以用户画像为基础的个性化服务能够满足新时期用户对服务精确性、及时性、专业化的需求，大大提升了科技服务质量，同时有助于科技服务更高效地整合服务资源完成供需方需求匹配工作，促进整个科技服务新技术新产业的萌发。

1  用户数据来源整合

用户画像获取离不开大量的数据支持，在整个科技服务平台所形成的静态数据与用户行为就是数据源的主要组成部分。数据源细化为以下几种企业用户本身的静态数据、用户在SaaS应用操作过程中形成的历史数据、每次任务流程中形成的日志数据、任务每个流程的完成情况等。用户画像构建的核心就是用户在这些基础数据和行为下所显现的用户特征，这些特征包括基础数据下的用户的静态数据特征，也涵盖了用户在与不同用户进行交流之后的动态数据特征。因此既要获取用户的基础数据同时也要获取用户交互数据、基础资源数据。面对大规模异构数据需要构造采集框架以获取分析所需的特定数据。

2  用户画像构建

2.1 数据采集

用户画像本质是用户特征的“可视化”。用户画像分为了两个部分——静态数据画像及动态数据画像，静态数据画像是根据用户所具有的固有属性数据得到。动态数据画像则是根据行为驱动的动态需求特征得到，可以从用户的各种行为数据中挖掘，按照对于不同行为的权重划分去构成用户画像的各类标签。

用户画像获取首先要收集用户操作形成的大量历史数据，这些操作主要包括在整个SaaS平台上进行的业务起始操作，业务流程操作，企业内部操作。其中用户交互行为也涉及到需求方对于供应方所提交任务计划书、设计方案的审核。在采集大量的历史数据后，用这些大量数据进行数据分析与数据处理，将本来杂乱无章的数据变成有用的数据。

2.2 任务完成情况

用户画像获取的过程中，最重要的是了解一个公司的任务完成情况。一个需求任务从发布到评价都离不开参考公司的任务完成情况，其在整个业务流程中起着十分关键的作用。SaaS应用将需求任务个性化推荐给供应方时，除了考虑供应方主营任务类型，也会考虑该供应方的任务完成情况。接下来就是需求方去审核供应方。面对众多的申请者，考察的一个重要因素是供应方的任务完成情况。

用户总体任务完成情况由全部单个任务的完成情况构成。对于供应方而言，单个任务的完成情况由以下几个方面评估。是否超时：从接收该需求任务开始截止到完成任务这段时间是否满足需求方所规定的时间。退回次数：供应方在设计完任务图纸之后提交给需求方，需求方去判断图纸是否合格，如果方案不合格被需求方退回次数。评价情况：当供应方完成该需求任务后，需求方会从供应方任务开始一直到整个任务完成的所有业务流程综合考虑给出评价。上述几点就构成了单个任务的完成情况。

将一名用户所有任务完成情况整合起来，需要用户所做的每个任务的完成情况。根据层次分析法得出决定单个任务完成情况所占总体任务完成情况的因素权重，得出权重后各自任务按因素加权合并，得出该用户完成任务的能力。

2.3 主营偏好

用户所发布（或者接受）的任务类别以及任务数量都可以看到该用户的主营偏好。对于供应方而言，进行深入的数据文本挖掘能够看到该用户对于各种高端装备制造行业哪一类任务更加感兴趣，哪一类的任务该用户的完成度较高。对于需求方而言，发布的需求任务类别往往也是固定的，在数据直观显示上就可以将其主营类别确定。

在整个科技服务平台上还存在一部分二级供应方，这部分二级供应方由于自身公司规模的局限性往往不能直接接收到需求方发布的任务，这时他们就会依赖于接受一级供应方从需求方处接受任务。因此为了确定需求任务是否由一级供应方直接完成，在获取用户画像时还需标注是由供应方本身直接完成需求任务，还是由二级供应方完成。

2.4 用户特征构建用户画像

上文已经得出了用户任务完成情况，用户的主营偏好等等，这些都是一个用户所具有的特征。接下来使用多维标度法揭示供需双方的关系，去构建用户画像。根据该方法可以实现整个研究主题中每个多维对象的相对空间位置，相对位置越接近对象与对象之间的相似程度就越高，对此可以很好的基于主题去进行对用户进行分类。而其他常用的分类方法例如决策树分析法，关联规则等等与多维度标注法相比之下就逊色很多。多维标度法可以直观的显示同一需求方发布的不同需求任务有什么样的特点，从而进一步研究当需求方发布任务时候应该将其推荐给什么样的供应方去做。将整个供应链积极区分，达到优化流程效率的作用。

在整个用户数据中，既有用户静态数据又存在大量的动态数据，特征如此多的情况下要解决多变量因素影响结果问题。所谓的因变量是更为复杂的群体类型，对此更要筛选出不同用户的特殊取值，提取出不同用户的典型特征，在提取典型特征后，就构成了用户画像。

3  总结

用户画像的研究对于高端装备制造产业科技服务提供了很大的便利性，大大的节省了业务流程时间，提高了科技服务质量。对于政府管理者而言，画像的分析便于其了解整体行业的发展趋势，加强供需方之间的联系。同时，对于整个哈长城市群而言，用户画像的构建打破了地域企业间信息共享互通的壁垒，深化了企业间的联系，加强了企业间的合作。由于诸多主客观因素存在，本研究也存在着局限性。首先就是数据量问题，整个研究是基于平台展开，而科技服务平台推出的时间较短，产生的用户数据量较少，在画像构建和特征提取等方法上会存在误差。其次是异构数据融合问题，随着数据量增多未来会出现多源异构数据融合问题，这也是今后用户画像研究的重点与难点。用户画像具有较强的实践指导性，本文提出的研究参考框架主要基于哈长城市群高端装配制造业SaaS应用平台的实践，今后可以从更多行业、企业实践中选取典型案例，针对本文研究的局限性继续完善用户画像研究。

本文为《中国科技资源导刊》2020年第5期《高端装备制造产业科技服务SaaS用户画像研究》缩略版，全文见附件。