大数据的建立和人们生活息息相关，它可以是每一个人的隐私信息，也可以是每一个人的行动轨迹。将某一个单一物质在物理世界中活动的轨迹信息串联起来，就能够形成大数据。南京大数据数据分析一般来说都是通过模型的建立进行分析，最终给出具备有价值的建议。那在生活之中常见的模型有哪些呢？

模型一：行为模型

行为模式是依照某一个事件的发生来进行追踪或者记录用户的行为，例如注册、浏览、交易以及投资等等。通过这些行为数据来研究和事件发生关联的因素，挖掘用户行为背后的原因以及交互影响等。

模型二：留存模型

南京大数据数据分析中留存模型是用来分析用户的参与情况和活跃度。例如举办一个会展活动，活动内容可能是汽车或者是某产品售卖，对该活动中进行用户数据考察，有多少人群是初始参与，有哪些人会进行购买。这一类的数据模型可以用来衡量产品对用户的价值。

模型三：分布模型

分布模型主要建立在指标数据上的频率。它能够搜集到用户对于产品的依赖度、分布区域、时间段以及产品交易的数量和频率。这些数据的搜集有利于企业了解用户购买事件段的状态，同时还能够依靠数据完成用户交易量的变差。

这个数据模型支持事件、事件、频率等多方面指标的变化和统计，能够清楚明了地给出动态活跃趋势，从而给运营者有价值的参考依据。