大家這一周都被白百何出軌的新聞霸屏了吧！那麼看看數據界躺槍的程序猿是首當其中。
似乎白百何到底有沒有出軌？跟我沒什麼關係，但其實我要說的是，若要人不知除非己莫為。
在DT時代，我們的一舉一動都被萬能的網際網路記錄下來了，這麼多的數據，還怕分析不出來誰有沒有出軌的跡象？
從獨立事件分析，到社會關係分析，風險控制，抓捕逃犯等等，基於龐大的FEED數據，可以做的事情很多很多。
關於獨立事件分析，網上有這樣的技術文章： 《潘金蓮是如何改變歷史的》
再通過關於金融風控、刑偵、社會關係、人脈分析等場景思考，同樣能找到相應的技術文章：《PostgreSQL如何實現圖式應用場景》
還有這樣有愛心的技術文章：《一場IT民工 與 人販子 之間的戰爭 - 感受來自PostgreSQL的愛》
還有研究表明IT男和全職媽媽最容易出軌，這是為什麼？
今天，我們來一場技術的討論，如何用數據將出軌的小火苗提前撲滅？
我們先來腦洞一下哪些數據可以成為出軌分析的依據？
目前有什麼樣的雲計算產品和工具可以幫你將這些零散的數據進行分析？
當然數據分析不只是防出軌，你都使用過哪些資料庫與大數據分析服務，也可以分享一下你的應用場景。
1:網絡普及社交軟體的爆棚（林子大了）
2:物資充裕社會安定（酒足飯飽思...）
3:壓抑已久思想得到解放（低碳環保的錯，布料少）
4:行業潛規則的流行（金酒床）
5:人的求知慾（世界辣麼大，誰的比較大...不試哪知道）
6:藝術的貢獻（一層窗戶紙，看的角度問題）
從事大數據開發的A君率先上場：
出軌相關性條件：
1.個人習慣性行為發生異常。
2.和某人聯繫頻繁。
3.關注點發生改變。
4.行為習慣更為謹慎。
5.查看出軌原始信息來源，分析其目的性。
小明入戰 回復 ：
很贊的分析，落實到實際產品中，名字就叫《小三往哪跑》
小瘋子 回復 ：
分析的很到位，那麼，討論一下數據抓取和比對吧，日常照片的特點比對算一塊，比如化妝變化，髮型變化，膚色變化髮型變化等等；回答類似問題的語音頻段比對
最直接的偵查點:
1:開房記錄，各大酒店賓館以及網路平台，公安系統
2:通話記錄，移動服務商大數據
3:即時溝通工具，微信qq大數據
4:移動終端設備，各種雲存儲服務
5:車載定位終端，定位服務商大數據
6:衣著打扮，購物平台
7:視頻監控系統，視頻雲服務大數據
8:電腦設備，照片雲存儲
9:生活用品購物記錄，各電商交易平台
10:各種輔助設備、計生設備、藥物交易記錄大數據
1、消費異常記錄，如：首飾、化妝品、貼身衣物、重點（安全用品）；
2、停留地點異常，如：頻繁去的地點或酒店賓館等；
3、聯繫人的頻繁率，如：頻繁聯繫一個人；
4、聯繫時間是否有異常，（在家時迴避接聽等）；
5、上班異常，如：正常下班時間卻加班點在商場、酒吧、賓館等。
小編正在弄超市數據分析，針對10家超市每月的所有購物清單進行數據分析，然後對超市的各區域進行調整。
從個人歷史數據來分析是否出軌是可行的，但是很可惜這些數據都涉及到個人隱私。如果人類沒有隱私的概念的話，直接監視、分析每一個人的消息記錄、來往地點、購物信息等。最簡單粗暴的還可以公開開房信息，是否出軌連分析都不用。
我覺得不應該站在道德高地炮擊出軌，自己沒有經歷過怎麼知道於其而言出軌是不是最好乃至必須的選擇？
如果說我們不能接受白百合出軌是因為公序良俗的影響。那麼我們試圖用他人的隱私數據來推斷其是否出軌，是否也要考慮一下公序良俗、法律法規。
男人要出軌，一定是先有錢，道理想必大家都懂，畢竟開銷小不了，所以說，從一個男人的經濟使用情況可以比較直觀的看出來，如果他的消費變多，那麼除了送禮以外就是出軌了，所以支付寶可以推出一個功能，來讓女朋友知道他的資金變化；當然，除此之外，還有當他的生活規律變了，也可能是出軌，比如之前很早回家，後來越來越晚；還有對他女朋友的態度，原本很膩突然變冷淡了，或者原來冷淡突然談好，都有可能出軌；最重要的就是他的手機不讓他女朋友看，而且經常有消息，或者消息記錄永遠為空。
綜上，根據他的資金，結合支付寶，完美。
分析主要從4個維度進行，時間，地點，人物以及最重要的錢。按照優先級順序，錢排第一，沒有花錢的出軌只是在萌芽期。採集數據的類型如下：
1.消費習慣的分析：電商平台，線下消費購物，各大支付接口的消費記錄，當然如果有一手的銀行消費數據是最好的。注意觀察的點有兩個：少量但大額的以及小額但高頻的
常活動地點的分析：基於lbs的手機或者軟體的數據採集分析，社交媒體發布信息的地理位置採集，如果有電信運營商的基站地理位移軌跡就更好了。注意觀察的是：娛樂類消遣類地理位置是否頻繁，酒店類是否頻繁。
聯繫人的分析：包括了運營商的電話簡訊聯繫以及社交軟體，論壇私信類的聯繫。
時間分配的分析：其實上面幾點都附帶有時間戳。都說時間和錢是出軌的兩大要素，沒花錢的出軌萌芽期肯定投入的是時間。因此時間行為的改變也挺重要。基於地理位置位移軌跡的時間段，公司打卡記錄，請假記錄，消費的時間段，回家的時間點，有異常的時間都需要引起重視。
大數據幫助採集的是IT類人群的，可以在普遍規律的情況下發現那些異常的人群，如果你只是關心自己老公這個個體是否有問題，而又不願意引起他的反感，只需要採取以下幾條採集數據即可：
1.將他銀行卡消費通知的地址改成自己的郵箱，經常翻翻銀行消費的通知。
給他買個iPhone，打開查找我的iPhone功能，使用自己的Apple id，隨時用自己的手機查找他的地理位置。
幫他註冊電信服務商的app什麼的，每月查看通話詳單