SQL Server BI数据仓库应用——公共自行车借还数据多维分析

一篇几年前数据仓库与商务智能的课程大作业，主要涵盖使用SQL Server BI进行数据仓库的设计和装载、多维分析。

另一作者：Katherine

分析工具：SQL Server BI 2008、Excel

关于数据仓库的理论和SQL Server BI 的使用推荐慕课网 西南财经大学李瑾坤副教授的商务智能。

原始数据：数据为浙江省温州市鹿城区2011年11月1日到20日公共自行车借还数据记录表，包括字段如下：

字段	示例数据
No.	1
车号	WZB000036
车号SN	36
借出车站	区政府西
借出车站号	17
借车锁桩号	1
借车时刻	2012/11/1 5:59:38
归还车站	县前头
还车车站号	64
还车锁桩号	20
还车时刻	2012/11/1 6:03:42
用车时间	4
用车方式	会员卡借车
卡类型	普通会员卡
借车卡SN	324408

1. 分析目标

    （1）每个站点在不同时间段的借出次数、还入次数；

    （2）每个时间段人们的用车频率，以小时、时段、天、月为单位；

    （3）每辆车在一定时间段内的累计使用时长及总使用时长；

    （4）每个桩在一定时间段内的累计使用频次及总使用次数；

    （5）每个客户的用车偏好性：平均用车时间、高频用车时间点等。

2. 多维分析模型设计

设置度量值为用车时间、借车次数和还车次数，其中用车时间直接使用原始数据集中的“用车时间”属性，单位是分钟；借车次数、还车次数应用多维分析模型“事实表计数”功能实现。

维度包括站点、借车时间、还车时间、借车卡、自行车这5个维度。

维度	维度层次
站点	站点编号、车桩编号
借车时间	借车时刻、借车小时、借车时段、借车日期、借车月份
换车时间	还车时刻、还车小时、还车时段、还车日期、还车月份
借车卡	卡类型、卡号
自行车	自行车编号

注：借车时段及还车时段的划分如下：6~9时为上午，10~14时为中午，1~20时为下午，其余为夜晚。

3. 数据仓库设计

数据仓库包括一个事实表、四个维度表。

事实表：

记录编号仅作主键，不参与多维分析；自行车编号、车桩编号、借车卡号分别对应自行车、车桩、借车卡维度表；用车时间为一个度量值。

各维度表：

车桩号指的是某个站点的第几个车桩，如15表示第15号车桩；车桩编号的构成是“站点编号+车桩号”，如“100第10号”表示第100号站点第10号车桩；站点编号对应站点维度表。

表关系图：

4. 数据装载

建立名称为LoadBicycleDM的Integration Service项目，新建两个连接管理器，Localhost.Bicycle和Localhost.BicycleDM，分别对应OLEDB源和OLE DB目标。在控制流面板中插入数据流任务如下：

装载借车卡表：

图片太小看不清，OLE DB源中的数据访问模式为SQL命令：select distinct(借车卡SN),卡类型 from [Bicycle].[dbo].[Bicycle] order by 借车卡SN

装载自行车表：

SQL命令：select distinct(车号SN),车号 from [Bicycle].[dbo].[Bicycle] order by 车号SN

装载站点表：

SQL命令：select 借出车站号,借出车站,COUNT(distinct([借车锁桩号])) as 车桩数 from [Bicycle].[dbo].[Bicycle] group by 借出车站号,借出车站

装载车桩表：

OLE DB源：

OLE DB源1：

排序：

排序1：

合并：

派生列：

聚合：

派生列1：

数据转换：

装载事实表：

OLE DB源：

派生列：

数据转换：

运行数据装载

5. 多维分析

建立名称为BicycleAS的Analysis Service项目，新建数据源为已建好的数据仓库，名称为BicycleDM.ds。

根据数据源建立数据源视图，名称为Bicycle.dsv,并做如下修改:

(1)将记录编号的逻辑主键删除，设置借车卡号、自行车编号、车桩编号、借车时刻、还车时刻为逻辑主键;

(2)在事实表中新建命名计算：借车小时、还车小时、借车时段、还车时段、借车日期、还车日期、借车月份、还车月份。代码如下：

借车小时：

convert(int,ltrim(substring(借车时刻,(charindex(':',借车时刻,5)-2),2)))

还车小时：

convert(int,ltrim(substring(还车时刻,(charindex(':',还车时刻,5)-2),2)))

借车日期：

substring(借车时刻,6,(charindex('/',借车时刻,6)-6)) + '.' + right('0'+ rtrim(substring(借车时刻,(charindex('/',借车时刻,6)+1),2)),2)

还车日期：

substring(还车时刻,6,(charindex('/',还车时刻,6)-6)) + '.' + right('0'+ rtrim(substring(还车时刻,(charindex('/',还车时刻,6)+1),2)),2)

借车时段：

case
when convert(int,ltrim(substring(借车时刻,(charindex(':',借车时刻,5)-2),2))) between 0 and 5 then '夜晚'
when convert(int,ltrim(substring(借车时刻,(charindex(':',借车时刻,5)-2),2))) between 6 and 9 then '上午'
when convert(int,ltrim(substring(借车时刻,(charindex(':',借车时刻,5)-2),2))) between 10 and 14 then '中午'
when convert(int,ltrim(substring(借车时刻,(charindex(':',借车时刻,5)-2),2))) between 15 and 20 then '下午'
when convert(int,ltrim(substring(借车时刻,(charindex(':',借车时刻,5)-2),2))) between 21 and 23 then '夜晚'
else '无'
end

还车时段：

case
when convert(int,ltrim(substring(还车时刻,(charindex(':',还车时刻,5)-2),2))) between 0 and 5 then '夜晚'
when convert(int,ltrim(substring(还车时刻,(charindex(':',还车时刻,5)-2),2))) between 6 and 9 then '上午'
when convert(int,ltrim(substring(还车时刻,(charindex(':',还车时刻,5)-2),2))) between 10 and 14 then '中午'
when convert(int,ltrim(substring(还车时刻,(charindex(':',还车时刻,5)-2),2))) between 15 and 20 then '下午'
when convert(int,ltrim(substring(还车时刻,(charindex(':',还车时刻,5)-2),2))) between 21 and 23 then '夜晚'
else '无'
end

借车月份：

substring(借车时刻,6,(charindex('/',借车时刻,6)-6)) + '月'

还车月份：

substring(还车时刻,6,(charindex('/',还车时刻,6)-6)) + '月'

构建多维数据源视图：

使用现有表建立多维数据集，名称为BicycleDM.cube。度量值表选为事实表，度量值选择用车时间和事实表计数，现有维度选择自行车、车桩、借车卡。预览图如下：

使用现有表新建借车时间维度、还车时间维度。以建立借车时间维度为例，主表选择事实表，键列选择借车时刻，不选择任何相关表，可用属性勾选借车时刻、借车小时、借车时段、借车日期、借车月份，维度名称设置为借车时间。还车时间使用相同方法建立，两者的预览图如下：

  

各维度属性通用设置如下：

AttributeHierarchyVisible	True
OrderBy	Name
站点编号NameColumn	站点名称
自行车编号NameColumn	车牌号
其余属性NameColumn	属性自身
属性之间关系类型	刚性

借车时间维度的层次结构和属性关系如下：

  

还车时间维度的层次结构和属性关系：

  

借车卡维度的层次结构和属性关系：

  

车桩维度的层次结构和属性关系：

  

自行车维度没有特殊设置。

6. Excel 数据呈现

处理多维分析模型

在SQL Server中连接Analysis Service，使用Localhost服务器，在数据库目录下发现存在名为BicycleAS的数据库（如下图），证明操作成功。

打开EXCEL2016，导入来自Analysis Service的数据，使用Localhost服务器，选择BicycleAS数据库，数据显示方式选择数据透视表。

7. 结论

在11月1日到11月20日，各站点用车次数的数据透视图和频数分布图如下：

从图中可以看出，“五马美食林”“国光大厦”等6个站点用车次数遥遥领先，均在8000以上；“市二医院”“数码广场”等55个站点用车次数在4000到8000之间，处于中等水平；“新城车站”“科技馆”等119个站点用车次数在4000以下。假定在这20天中用车次数在8000以上的为高频站点，4000到6000之间的为中频站点，4000以下的为低频站点，结合温州市鹿城区公共自行车站点分布图，可的得到如下高中低频站点分布图：

管理部门可根据各站点的分布和用车频次的相对大小，合理分配资源，提高公共自行车网络运行效率，如按实际情况增减站点的车桩个数，高频站点配备较多的车桩，低频站点配备较少的车桩。

下图为各小时借车频次分布图：

从图中可以看出，按小时分布的借车频次存在两个峰值，分别位于上午8-9时和下午17-18时，与人们上下班时间相符，交通部门可据此在这两个时段内合理指挥交通，尽量避免自行车和机动车的行驶冲突。此外，晚上21时到次日6时借车次数接近于0，管理部门可利用这个时间段对公共自行车进行检查、维修、更换、调度等工作。

从11月1日到11月20日，各量自行车用车时间统计图如下：

从图中可以看出，大部分自行车的累计使用时间在1000到3000分钟之间。高于3000分钟的车辆因为使用时间长，可能面临提前报废的风险，而低于1000分钟的车辆可能是由于自身出现问题，导致骑行功能降低甚至无法骑行。管理部门可以据此识别出这些车辆，并只对这些车辆进行检测和维修，从而有效降低运营成本。

计算每一趟单车出行的使用时长，统计得出的用车时长频数分布如上图所示。从图中可以看出，大部分单车出行的时长在10分钟到30分钟这个区间内，有少数人骑行超过2小时。共享单车行业主打绿色低碳，在提供设施的同时，配套地推出鼓励使用单车出行的优惠政策，有利于企业提升软实力。根据用车时长，企业经营者可以合理定价，鼓励人们更多地使用单车出行，比如：对于骑行超过1小时的用户，可以减免一定的使用费用，从而达到鼓励人们使用自行车，推广单车共享行业的目的。