1、和目标有关的用户数据
构建用户画像是为了还原用户信息，因此数据来源于：所有用户相关的数据。
对于用户相关数据的分类，使用【封闭性的分类方式】。
如，世界上分为两种人，一种是学英语的人，一种是不学英语的人；
用户分三类，高价值用户，中价值用户，低价值用户；
产品生命周期分为，投入期、成长期、成熟期、衰退期…
这样的分类方式，有助于后续不断枚举并迭代补充遗漏的信息维度。
另外，不同的分类方式根据应用场景，业务需求的不同，也许各有道理，按需划分即可。
用户数据可以划分为静态信息数据、动态信息数据两大类。
3、静态信息数据
用户相对稳定的信息，这类信息自成标签。
如：人口属性、商业属性等方面数据。
如果企业有这类信息则无需过多建模预测，更多的是数据清洗工作。
4、动态信息数据
用户不断变化的行为信息，即用户轨迹。
当行为集中到互联网，乃至电商，用户行为就会聚焦很多，
如：浏览凡客首页、浏览休闲鞋单品页、搜索帆布鞋、发表关于鞋品质的微博、赞“双十一大促给力”的微博消息。
等等均可看作互联网用户行为。