成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

<tfoot id="jadbi"><source id="jadbi"></source></tfoot>

鴻蒙開發者社區

公眾號矩陣

移動端

視頻課免費課排行榜短視頻直播課軟考學堂

全部課程軟考信創認證華為認證廠商認證 IT技術 PMP項目管理免費題庫

文章資源問答課堂專欄直播

51CTO

鴻蒙開發者社區

51CTO技術棧

51CTO官微

51CTO學堂

51CTO博客

CTO訓練營

鴻蒙開發者社區訂閱號

51CTO軟考

51CTO學堂APP

51CTO學堂企業版APP

鴻蒙開發者社區視頻號

51CTO軟考題庫

賬號設置退出

還沒等老板開口，我已經把 ADS 層建好了

作者：甜獲師兄 2025-04-14 08:15:00

ADS層是數據倉庫與業務系統之間的橋梁，將經過清洗、轉換和匯總的數據以業務友好的方式呈現給最終用戶。今天以我們項目中的實際案例為例進行ADS層建設思路介紹。

這次老板沒催我，我提前就把ADS層給建設好了。ADS（Application Data Store）層是數據倉庫的最頂層，直接面向業務應用，為數據分析、報表展示和業務決策提供數據支持。它是數據倉庫與業務系統之間的橋梁，將經過清洗、轉換和匯總的數據以業務友好的方式呈現給最終用戶。

今天以我們項目中的實際案例為例進行ADS層建設思路介紹。數倉代碼可訪問：這次老板沒催我，我提前就把ADS層給建設好了。ADS（Application Data Store）層是數據倉庫的最頂層，直接面向業務應用，為數據分析、報表展示和業務決策提供數據支持。它是數據倉庫與業務系統之間的橋梁，將經過清洗、轉換和匯總的數據以業務友好的方式呈現給最終用戶。今天以我們項目中的實際案例為例進行ADS層建設思路介紹。

數倉代碼可訪問：

github：https://github.com/Mrkuhuo/data-warehouse-learning
gitee：https://gitee.com/wzylzjtn/data-warehouse-learning

一、ADS層建設思路

1. 設計原則

業務導向：ADS層設計應以業務需求為核心，確保數據能夠直接支持業務決策和運營分析。
性能優化：針對高頻查詢場景進行優化，包括合理的分區策略、索引設計和物化視圖。
數據一致性：確保數據口徑統一，避免不同報表之間的數據不一致。
可擴展性：設計時考慮未來業務擴展需求，預留足夠的擴展空間。
易用性：提供簡單直觀的數據結構，降低業務人員使用門檻。

2. 數據模型設計

ADS層通常采用星型模型或雪花模型，主要包含以下幾類表：

匯總事實表：按不同維度（時間、地區、產品等）匯總的事實數據。
維度表：包含業務實體的屬性信息，如客戶、產品、地區等。
指標表：存儲預計算的業務指標，如轉化率、留存率等。
報表表：直接面向報表展示的寬表，包含多個維度的指標。

3. 數據更新策略

增量更新：對于大表，采用增量更新策略，只處理新增或變更的數據。
全量刷新：對于小表或需要保證數據一致性的場景，采用全量刷新策略。
定時調度：根據業務需求設置合理的調度周期，如每日、每周或每月。

二、ADS層應用場景

業務報表：為管理層提供決策支持的各類報表。
運營分析：支持運營人員進行用戶行為分析和營銷效果評估。
風險控制：提供風險監控和預警數據。
客戶服務：支持客服人員進行客戶畫像分析和精準服務。
產品優化：為產品團隊提供用戶反饋和使用數據，指導產品迭代。

三、實戰案例：用戶價值分析報表

1. 業務背景

電商平臺需要對用戶進行價值分層，以便進行精準營銷和個性化服務?；赗FM模型（Recency、Frequency、Monetary）對用戶進行價值評估，并計算用戶的生命周期價值，為運營決策提供數據支持。 02

2. 數據來源

DWS層：用戶交易寬表（dws_trade_user_order_td）和用戶登錄寬表（dws_user_user_login_td）
ADS層：歷史用戶價值分析數據（用于計算價值發展趨勢）

3. 實現方案

(1) 建表(ads.ads_user_value_analysis)

-- 用戶價值分析表
CREATE TABLE IF NOT EXISTS ads.ads_user_value_analysis
(
    dt                      DATE COMMENT '統計日期',
    user_id                 BIGINT COMMENT '用戶ID',
    order_count_td          BIGINT COMMENT '累計下單次數',
    order_amount_td         DECIMAL(20,2) COMMENT '累計下單金額',
    order_last_date         DATE COMMENT '最近下單日期',
    order_first_date        DATE COMMENT '首次下單日期',
    login_count_td          BIGINT COMMENT '累計登錄次數',
    login_last_date         DATE COMMENT '最近登錄日期',
    average_order_amount    DECIMAL(20,2) COMMENT '平均客單價',
    purchase_cycle_days     INT COMMENT '平均購買周期(天)',
    account_days            INT COMMENT '賬號存續天數',
    life_time_value         DECIMAL(20,2) COMMENT '生命周期價值(LTV)',
    recency_score           INT COMMENT '最近活躍度評分(R)',
    frequency_score         INT COMMENT '活動頻次評分(F)',
    monetary_score          INT COMMENT '消費金額評分(M)',
    rfm_score               INT COMMENT 'RFM總分',
    user_value_level        STRING COMMENT '用戶價值分層',
    active_status           STRING COMMENT '活躍狀態',
    life_cycle_status       STRING COMMENT '生命周期狀態',
    shopping_preference     STRING COMMENT '購物偏好',
    growth_trend            STRING COMMENT '價值發展趨勢'
)
COMMENT '用戶價值分層分析報表，基于RFM模型計算用戶價值'
PARTITIONED BY (dt STRING)
STORED AS ORC
TBLPROPERTIES ('orc.compress'='SNAPPY');

(2) 核心指標計算

RFM模型評分：

Recency（最近購買時間）：根據最近一次購買距今的天數評分（1-5分）
Frequency（購買頻率）：根據累計購買次數評分（1-5分）
Monetary（消費金額）：根據累計消費金額評分（1-5分）

用戶價值分層：

高價值：RFM總分≥13分
中高價值：RFM總分10-12分
中價值：RFM總分7-9分
低價值：RFM總分4-6分流失風險：RFM總分≤3分

生命周期價值(LTV) ：

計算公式：平均客單價 × 年購買頻率 × 預期客戶生命周期（年）
年購買頻率：總購買次數×365/賬號存續天數

用戶狀態分類：

活躍狀態：基于最近交易和登錄時間
生命周期狀態：基于交易行為和訂單歷史
購物偏好：基于購買頻率和金額
價值發展趨勢：比較當前RFM評分與30天前的評分

(3) 具體邏輯實現

INSERT INTO ads.ads_user_value_analysis
(dt, user_id, order_count_td, order_amount_td, order_last_date, order_first_date, 
login_count_td, login_last_date, average_order_amount, purchase_cycle_days, account_days, 
life_time_value, recency_score, frequency_score, monetary_score, rfm_score, 
user_value_level, active_status, life_cycle_status, shopping_preference, growth_trend)
SELECT
    -- 基礎日期統計
    date('${pdate}') AS dt,       -- 統計日期，使用調度日期參數
    t1.user_id AS user_id,        -- 用戶ID 
    t1.order_count_td,            -- 累計下單次數，來自交易寬表
    t1.total_amount_td,           -- 累計下單金額，來自交易寬表
    -- 格式化日期為yyyy-MM-dd格式
    date_format(t1.order_last_date, '%Y-%m-%d') AS order_last_date,  -- 最近下單日期
    date_format(t1.order_first_date, '%Y-%m-%d') AS order_first_date, -- 首次下單日期
    t2.login_count_td,            -- 累計登錄次數，來自用戶登錄寬表
    date_format(t2.login_last_date, '%Y-%m-%d') AS login_last_date,  -- 最近登錄日期

    -- 計算衍生指標
    -- 計算平均客單價 = 總金額/訂單數
    CASE WHEN t1.order_count_td > 0 THEN t1.total_amount_td/t1.order_count_td ELSE 0 END AS average_order_amount,
    -- 計算平均購買周期(天) = (最后訂單日期-首次訂單日期)/(訂單數-1)
    CASE WHEN t1.order_count_td > 1 
         THEN datediff(t1.order_last_date, t1.order_first_date)/(t1.order_count_td-1) 
         ELSE NULL END AS purchase_cycle_days,
    -- 計算賬號存續天數 = 當前日期-注冊日期
    datediff(current_date(), t2.register_date) AS account_days,

    -- 計算生命周期價值(LTV) = 平均客單價 * 年購買頻率 * 預期客戶生命周期（年）
    -- 年購買頻率計算方式: 總購買次數*365/賬號存續天數，即年化購買頻率
    -- 預期客戶生命周期取3年作為默認預估
    CASE WHEN t1.order_count_td > 0 AND datediff(current_date(), t2.register_date) > 0 
         THEN (t1.total_amount_td/t1.order_count_td) * (t1.order_count_td*365/datediff(current_date(), t2.register_date)) * 3 
         ELSE 0 END AS life_time_value,

    -- RFM模型計算 - 為每個維度打分(1-5分)
    -- Recency(最近購買時間)評分: 越近分數越高
    CASE 
        WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5  -- 30天內
        WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4  -- 31-60天
        WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3  -- 61-90天
        WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2 -- 91-180天
        ELSE 1                                                          -- 180天以上
    END AS recency_score,

    -- Frequency(購買頻率)評分: 購買次數越多分數越高
    CASE
        WHEN t1.order_count_td >= 20 THEN 5  -- 20次及以上
        WHEN t1.order_count_td >= 10 THEN 4  -- 10-19次
        WHEN t1.order_count_td >= 5 THEN 3   -- 5-9次
        WHEN t1.order_count_td >= 2 THEN 2   -- 2-4次
        ELSE 1                               -- 1次
    END AS frequency_score,

    -- Monetary(消費金額)評分: 總消費金額越高分數越高
    CASE
        WHEN t1.total_amount_td >= 10000 THEN 5  -- 1萬元及以上
        WHEN t1.total_amount_td >= 5000 THEN 4   -- 5千-1萬元
        WHEN t1.total_amount_td >= 2000 THEN 3   -- 2千-5千元
        WHEN t1.total_amount_td >= 500 THEN 2    -- 500-2千元
        ELSE 1                                   -- 500元以下
    END AS monetary_score,

    -- 計算RFM總分 = R分 + F分 + M分
    (CASE 
        WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
        WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
        WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
        WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
        ELSE 1
    END) + 
    (CASE
        WHEN t1.order_count_td >= 20 THEN 5
        WHEN t1.order_count_td >= 10 THEN 4
        WHEN t1.order_count_td >= 5 THEN 3
        WHEN t1.order_count_td >= 2 THEN 2
        ELSE 1
    END) + 
    (CASE
        WHEN t1.total_amount_td >= 10000 THEN 5
        WHEN t1.total_amount_td >= 5000 THEN 4
        WHEN t1.total_amount_td >= 2000 THEN 3
        WHEN t1.total_amount_td >= 500 THEN 2
        ELSE 1
    END) AS rfm_score,

    -- 用戶價值分層: 根據RFM總分(3-15分)進行分層
    CASE
        WHEN (CASE 
            WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
            WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
            WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
            WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.order_count_td >= 20 THEN 5
            WHEN t1.order_count_td >= 10 THEN 4
            WHEN t1.order_count_td >= 5 THEN 3
            WHEN t1.order_count_td >= 2 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.total_amount_td >= 10000 THEN 5
            WHEN t1.total_amount_td >= 5000 THEN 4
            WHEN t1.total_amount_td >= 2000 THEN 3
            WHEN t1.total_amount_td >= 500 THEN 2
            ELSE 1
        END) >= 13 THEN '高價值'      -- 13-15分
        WHEN (CASE 
            WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
            WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
            WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
            WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.order_count_td >= 20 THEN 5
            WHEN t1.order_count_td >= 10 THEN 4
            WHEN t1.order_count_td >= 5 THEN 3
            WHEN t1.order_count_td >= 2 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.total_amount_td >= 10000 THEN 5
            WHEN t1.total_amount_td >= 5000 THEN 4
            WHEN t1.total_amount_td >= 2000 THEN 3
            WHEN t1.total_amount_td >= 500 THEN 2
            ELSE 1
        END) >= 10 THEN '中高價值'    -- 10-12分
        WHEN (CASE 
            WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
            WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
            WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
            WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.order_count_td >= 20 THEN 5
            WHEN t1.order_count_td >= 10 THEN 4
            WHEN t1.order_count_td >= 5 THEN 3
            WHEN t1.order_count_td >= 2 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.total_amount_td >= 10000 THEN 5
            WHEN t1.total_amount_td >= 5000 THEN 4
            WHEN t1.total_amount_td >= 2000 THEN 3
            WHEN t1.total_amount_td >= 500 THEN 2
            ELSE 1
        END) >= 7 THEN '中價值'       -- 7-9分
        WHEN (CASE 
            WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
            WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
            WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
            WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.order_count_td >= 20 THEN 5
            WHEN t1.order_count_td >= 10 THEN 4
            WHEN t1.order_count_td >= 5 THEN 3
            WHEN t1.order_count_td >= 2 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.total_amount_td >= 10000 THEN 5
            WHEN t1.total_amount_td >= 5000 THEN 4
            WHEN t1.total_amount_td >= 2000 THEN 3
            WHEN t1.total_amount_td >= 500 THEN 2
            ELSE 1
        END) >= 4 THEN '低價值'       -- 4-6分
        ELSE '流失風險'                                                                 -- 3分
    END AS user_value_level,

    -- 活躍狀態: 基于最近交易和登錄時間
    CASE
        WHEN datediff(current_date(), t1.order_last_date) <= 30 OR datediff(current_date(), t2.login_last_date) <= 7 THEN '活躍'   -- 30天內有交易或7天內有登錄
        WHEN datediff(current_date(), t1.order_last_date) <= 90 OR datediff(current_date(), t2.login_last_date) <= 30 THEN '沉默'  -- 90天內有交易或30天內有登錄
        ELSE '流失'                                                                                                               -- 超過90天未交易且超過30天未登錄
    END AS active_status,

    -- 生命周期狀態: 基于交易行為和訂單歷史
    CASE
        WHEN datediff(current_date(), t1.order_first_date) <= 30 AND t1.order_count_td <= 2 THEN '新用戶'     -- 30天內首次購買且購買次數<=2次
        WHEN t1.order_count_td >= 3 AND (CASE 
            WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
            WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
            WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
            WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
            ELSE 1
        END) >= 4 THEN '成長期'                                      -- 購買>=3次且近期活躍(60天內)
        WHEN t1.order_count_td >= 5 AND (CASE 
            WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
            WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
            WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
            WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
            ELSE 1
        END) >= 3 THEN '成熟期'                                      -- 購買>=5次且90天內有購買
        WHEN (CASE 
            WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
            WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
            WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
            WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
            ELSE 1
        END) <= 2 AND (CASE
            WHEN t1.order_count_td >= 20 THEN 5
            WHEN t1.order_count_td >= 10 THEN 4
            WHEN t1.order_count_td >= 5 THEN 3
            WHEN t1.order_count_td >= 2 THEN 2
            ELSE 1
        END) >= 3 THEN '衰退期'                                        -- 購買次數>=5但超過90天未購買
        WHEN (CASE 
            WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
            WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
            WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
            WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
            ELSE 1
        END) >= 3 AND datediff(t1.order_last_date, t0.lag_order_date) > 90 THEN '回流'          -- 最近90天內有購買但之前超過90天未購買
        ELSE '新用戶'                                                                                         -- 默認為新用戶
    END AS life_cycle_status,

    -- 購物偏好: 基于購買頻率和金額
    CASE
        WHEN (CASE
            WHEN t1.order_count_td >= 20 THEN 5
            WHEN t1.order_count_td >= 10 THEN 4
            WHEN t1.order_count_td >= 5 THEN 3
            WHEN t1.order_count_td >= 2 THEN 2
            ELSE 1
        END) >= 4 AND (CASE
            WHEN t1.total_amount_td >= 10000 THEN 5
            WHEN t1.total_amount_td >= 5000 THEN 4
            WHEN t1.total_amount_td >= 2000 THEN 3
            WHEN t1.total_amount_td >= 500 THEN 2
            ELSE 1
        END) <= 3 THEN '高頻低額'    -- 高頻率低金額: 購買頻繁但單價較低
        WHEN (CASE
            WHEN t1.order_count_td >= 20 THEN 5
            WHEN t1.order_count_td >= 10 THEN 4
            WHEN t1.order_count_td >= 5 THEN 3
            WHEN t1.order_count_td >= 2 THEN 2
            ELSE 1
        END) <= 3 AND (CASE
            WHEN t1.total_amount_td >= 10000 THEN 5
            WHEN t1.total_amount_td >= 5000 THEN 4
            WHEN t1.total_amount_td >= 2000 THEN 3
            WHEN t1.total_amount_td >= 500 THEN 2
            ELSE 1
        END) >= 4 THEN '低頻高額'    -- 低頻率高金額: 購買較少但大額消費 
        WHEN (CASE
            WHEN t1.order_count_td >= 20 THEN 5
            WHEN t1.order_count_td >= 10 THEN 4
            WHEN t1.order_count_td >= 5 THEN 3
            WHEN t1.order_count_td >= 2 THEN 2
            ELSE 1
        END) >= 4 AND (CASE
            WHEN t1.total_amount_td >= 10000 THEN 5
            WHEN t1.total_amount_td >= 5000 THEN 4
            WHEN t1.total_amount_td >= 2000 THEN 3
            WHEN t1.total_amount_td >= 500 THEN 2
            ELSE 1
        END) >= 4 THEN '高頻高額'    -- 高頻率高金額: 高價值客戶，頻繁且大額
        ELSE '低頻低額'                                                     -- 低頻率低金額: 低價值客戶
    END AS shopping_preference,

    -- 價值發展趨勢: 比較當前RFM評分與30天前的評分
    CASE
        WHEN (CASE 
            WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
            WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
            WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
            WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.order_count_td >= 20 THEN 5
            WHEN t1.order_count_td >= 10 THEN 4
            WHEN t1.order_count_td >= 5 THEN 3
            WHEN t1.order_count_td >= 2 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.total_amount_td >= 10000 THEN 5
            WHEN t1.total_amount_td >= 5000 THEN 4
            WHEN t1.total_amount_td >= 2000 THEN 3
            WHEN t1.total_amount_td >= 500 THEN 2
            ELSE 1
        END) > COALESCE(t3.previous_rfm_score, 0) THEN '上升'    -- 當前分數高于30天前，趨勢上升
        WHEN (CASE 
            WHEN datediff(current_date(), t1.order_last_date) <= 30 THEN 5
            WHEN datediff(current_date(), t1.order_last_date) <= 60 THEN 4
            WHEN datediff(current_date(), t1.order_last_date) <= 90 THEN 3
            WHEN datediff(current_date(), t1.order_last_date) <= 180 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.order_count_td >= 20 THEN 5
            WHEN t1.order_count_td >= 10 THEN 4
            WHEN t1.order_count_td >= 5 THEN 3
            WHEN t1.order_count_td >= 2 THEN 2
            ELSE 1
        END + 
        CASE
            WHEN t1.total_amount_td >= 10000 THEN 5
            WHEN t1.total_amount_td >= 5000 THEN 4
            WHEN t1.total_amount_td >= 2000 THEN 3
            WHEN t1.total_amount_td >= 500 THEN 2
            ELSE 1
        END) < COALESCE(t3.previous_rfm_score, 0) THEN '下降'    -- 當前分數低于30天前，趨勢下降
        ELSE '穩定'                                                      -- 分數相等，趨勢穩定
    END AS growth_trend
FROM
(
    -- 訂單數據: 獲取用戶交易相關信息
    SELECT 
        user_id,
        k1,
        order_date_last,
        LAG(order_date_last, 1, NULL) OVER(PARTITION BY user_id ORDER BY k1) AS lag_order_date  -- 獲取上一次最近下單日期，用于計算回流狀態
    FROM dws.dws_trade_user_order_td
    WHERE k1 = date('${pdate}')  -- 取當天分區數據
) t0
JOIN
(
    -- 訂單數據: 獲取用戶交易相關信息
    SELECT 
        user_id,
        SUM(order_count_td) AS order_count_td,           -- 累計下單次數
        SUM(total_amount_td) AS total_amount_td,         -- 累計下單金額
        MAX(order_date_last) AS order_last_date,         -- 最近下單日期
        MIN(order_date_first) AS order_first_date        -- 首次下單日期
    FROM dws.dws_trade_user_order_td
    WHERE k1 = date('${pdate}')  -- 取當天分區數據
    GROUP BY user_id
) t1
ON t0.user_id = t1.user_id
JOIN
(
    -- 登錄數據: 獲取用戶登錄相關信息
    SELECT 
        user_id,
        SUM(login_count_td) AS login_count_td,         -- 累計登錄次數
        MAX(login_date_last) AS login_last_date,       -- 最近登錄日期
        date('2020-01-01') AS register_date            -- 注冊日期，使用默認值
    FROM dws.dws_user_user_login_td
    WHERE k1 = date('${pdate}')  -- 取當天分區數據
    GROUP BY user_id
) t2
ON t1.user_id = t2.user_id
LEFT JOIN
(
    -- 上月RFM評分數據: 用于計算價值發展趨勢
    SELECT 
        user_id,
        recency_score + frequency_score + monetary_score AS previous_rfm_score  -- 30天前的RFM總分
    FROM ads.ads_user_value_analysis
    WHERE dt = date_sub(date('${pdate}'), 30)  -- 取30天前的數據
) t3
ON t1.user_id = t3.user_id;

ADS（Application Data Store）層是數據倉庫的最頂層，直接面向業務應用。其建設核心是以業務需求為導向，將經過清洗、轉換和匯總的數據以業務友好的方式呈現。

ADS層設計應遵循業務導向、性能優化、數據一致性、可擴展性和易用性五大原則。主要包含匯總事實表、維度表、指標表和報表表等數據模型。數據更新策略包括增量更新和全量刷新，需根據業務場景選擇。ADS層實現需要高性能存儲引擎（如Doris）和計算框架，并建立完善的數據質量控制機制。通過ADS層，企業可以實現精準營銷、會員運營、風險控制、客戶服務和產品優化等業務目標，為決策提供數據支持。

責任編輯：趙寧寧來源：大數據技能圈

ADS層數據倉庫大數據

51CTO技術棧公眾號

業務
速覽

媒體

51CTO CIOAge HC3i

社區

51CTO博客鴻蒙開發者社區 AI.x社區

教育

51CTO學堂精培企業培訓 CTO訓練營

主站蜘蛛池模板：成人免费在线视频 | 在线日韩欧美 | 波多野结衣二区 | 欧美精品网站 | 91免费在线看 | 国产96色在线 | 日韩国产一区二区三区 | 日韩在线成人 | 亚洲欧洲精品在线 | 久久精品亚洲欧美日韩精品中文字幕 | 亚洲福利在线视频 | 亚洲视频免费在线看 | 欧美成人免费在线视频 | 91国内精品 | 一区二区在线免费播放 | 一区二区三区四区在线 | 欧美久久一级 | 国产成人一区二区 | 欧美亚洲视频在线观看 | a级大片免费观看 | 亚洲高清在线观看 | 天天综合网7799精品 | 亚洲成人一区二区三区 | 九九爱这里只有精品 | 高清18麻豆| 成人小视频在线观看 | 日韩黄 | 久久久国产精品视频 | 国产欧美精品一区二区 | 色婷婷一区二区三区四区 | 羞视频在线观看 | 国产一区二区精品在线 | 色爱综合 | 久久精品网 | 在线国产99| 亚洲午夜精品久久久久久app | 在线观看中文字幕 | 欧美日韩精品中文字幕 | 成人一区二区在线 | 国产婷婷色综合av蜜臀av | 99久久精品视频免费 |

<label id="cbsno"><style id="cbsno"></style></label>

<abbr id="cbsno"></abbr>

<cite id="cbsno"><style id="cbsno"></style></cite>

<label id="cbsno"><style id="cbsno"></style></label>