看到一篇不错的：如何用数据分析持续增强客户体验（Cross-sell and upsell: How data analytics optimizes customer experience）

对比一下这六个步骤：

• 记录客户数据，包括各种行为。这个是比较容易做到的，唯一的问题就是记录到哪一种粒度。
• 构建客户的完整视图。何谓完整视图其实并没有定义，这需要业务层去修正这个定义。另外，部分视图推理也涉及到客户隐私。
• 查找客户数据的gap，想办法弥合这些缺失。这个与data cleansing略有差异。大概还存在一些推测的成分在内。
• 定期更新上述内容，以保证对客户的最新认识，并有时间维度上的变化记录。
• 引入商业智能，去识别高价值客户，并针对性采取策略。
• 定期衡量上述工作的结果。并调整。

data gap 弥合的步骤属于较模糊的部分，也是容易被漏掉的。

小宝在错过了上个学期的幼儿园开学典礼之后，这个学期又在开学前一天发烧，扁桃体炎了。

于是又错过了新学期的开学典礼。

他不想上幼儿园，自然不会有什么不自在的地方。

但我想起我的小学，那几次超长的“病“假，越看小宝越像我，也许他也要到年龄足够大后，才能克服幼小学业的魔咒吧。

前日想起有位本科+研究生同学，去年从上海到来深圳工作，当时一起吃了个饭。想起也快过年了，不知道他回上海了没有，想约出来坐坐。

微信发出去后好一会才回复，他前段时间查出来有早期的cancer，已经在化疗中了。

问题应该不算大，于是简单交流了几句身体调养的问题。

想起来去年吃饭在海岸城的陶陶居。周日晚上又有一个饭局在陶陶居，虽然不是同一个商场，心中不免惆怅。

也许珍惜眼前所有，是我们能做到的最佳选择了。

量子计算机及相关模型、算法的进展似乎是一日千里，因此我们不得不担心当前密码体系在量子计算前赤裸的尴尬。

刷到MasterCard已经在筹划下一代的非接交易的规范，其中就有使用新的Quamtum Resistant的技术。具体用什么不清楚。

估计会成为下一阶段的技术引擎吧，对我而言，简单的期望是：跟上并能做到退休。

人类的技术总是在攻防之间不断突破。