中国第四次单身潮来了，如何用大数据找到男/女朋友？
来源：数据玩家
编辑：Gemini
小柯28岁，单身男，热衷大数据，并决定认真钻研，用数据分析来实现自己的“脱单计划”。
找女友第一步：整理思路
找女友第二步：界定问题
小柯用马洛斯需求层次理论思考了一晚上，发现自己目前在每个层次都需要女朋友。特别是去参加同学聚会自己总是孤身一人，已经被嘲笑了好多次了。
又是一个通宵，小柯整理出两张图。
（图一：择偶标准）
（图二：SWOT分析）
对于这个问题，小柯实在没概念，只能定个大原则，就是不超支。
找女友第三步：收集数据
根据前期思考，小柯制定了两套方案。
根据自己事先设定的条件，小柯觉得自己的女朋友不会在大学校园及周边，也不会在各种奢侈品消费场所。出现几率最大的地方应该是公司的商务谈判室，公共场所的咖啡厅，百货商场的化妆品、鞋服专区，甲级写字楼及周边的公共场所等地方。
所以，一有空小柯就往这些地方跑，按他的说法是提高认识未来女朋友的机率。
一是等待父母及亲戚介绍，二是每天在社交媒体上更新状态，将自己最精神、专注的一面有意识的展示给身边人。
经过一个月的努力，小柯认识了5位女孩，其中一位（姑且叫小A）是在吃饭时认识的，当时小A坐在小柯对面，当小A起身离开时，将手机遗落在沙发上。但小柯却没有叫住她，而是拿起手机火速离开。小A急匆匆回来没找到手机，只好狂拨自己手机，小柯这才“急匆匆”出现，说“我刚才追你去了！”（ps：懂大数据的，果然都是心机男啊……）
这还不算什么，接下来的数据分析更让你吃惊。以下是小柯收集的目标对象的数据。
基本数据：年龄、身高…户口所在地、毕业学校、工作单位、家庭状况。微博ID，微信号……
规律数据：微博、微信等社交媒体的内容及更新频率，QQ登录及在线时间，更新发型频率，作息时间规律，经常出现的场所及频率……
喜好数据：喜欢的颜色，食物，运动，偶像，喜欢看的书类型（小柯坚持认为喜欢看书的女孩子是最有魅力的）……
基础数据：有几个闺蜜、分别是谁、联系方式是？闺蜜们的喜好？、微信账号？……
关联数据：闺蜜和目标女友的关系，一起活动的频率，是否可以影响目标女生的行为？……
基础数据：曾经的男友？目前的竞争对手？和目标女友关系？……
关系数据：每周和目标约会频率，约会时间长度，进展程度……
财力数据：是否有车，有房？经济状况……
1.公共渠道：微博、微信等社交网络…在微博、百度等网上搜索对方名字等关键信息。
2.市场调查：找专业的调查公司（不是高帅富一般不推荐此方法，太耗钱）。
3.内部渠道：目标女友的朋友圈+柯北自己的圈子。
找女友第四步分析数据
收集这些数据几乎花费了小柯一个月的工资，这么多数据如果不做分析，简直就是浪费，不过这难不倒小柯。
例如对方的微博最近更新频率快，内容多为悲伤失意，评论中没有男友的出现，而情敌的微博却欢声笑语一片，这些数据传递的很可能是她失恋了，你有机会了。
即她什么时间会在什么地方出现，这个主要为小柯找机会接近对方做准备，制造一次邂逅场景能增加不少好感。
小柯整理出目标女生的社交关系图，运用“波特五力分析模型”对五位女生进行了量化分析，得分越低说明该女生越容易被追到手。
（ps：五位女生的综合评分）
综合以上分析后，小柯决定将女生L列为追求目标。
为增加好感，小柯日常会主动创造各种机会，除此之外，还每天盯着女生L的微博和微信内容等等。据说有一天，女生L在朋友圈更新一条消息：“受伤了，连陪我去医院的人都没有”，小柯看到后，以神速出现在她面前，感动了对方。后来，又不断制造惊喜，并在女生过生日时，趁热打铁，成功将普通朋友关系推进到男女朋友关系。
看来，找女朋友不仅需要好眼力，还需要一些技术含量。
其实，这也是一份完整的新品市场计划。
往期经典文章回顾：
第一个被认为“科学家”的人:泰勒斯
数学思维比数学运算更重要
二十世纪的十大科学骗局
瞎扯现代数学的基础
x背后的轶闻趣事
主宰这个世界的10大算法
16个让你烧脑让你晕的悖论
机器学习中距离和相似性度量方法
传说中的快排是怎样的
玻璃秘史：一个人 改变了全世界
程序人生的四个象限和两条主线
比特币的原理及运作机制
概率论公式，你值得拥有
分类算法之朴素贝叶斯算法
采样定理：有限个点构建出整个函数
