面试系列七 之 业务交互数据分析

6.1 电商常识

SKU:一台银色、128G内存的、支持联通网络的iPhoneX

SPU:iPhoneX

Tm_id:品牌Id苹果,包括IPHONE,耳机,mac等

6.2 电商业务流程

在这里插入图片描述

6.3 业务表关键字段

6.3.1 订单表(order_info)

标签 含义
id 订单编号
total_amount 订单金额
order_status 订单状态
user_id 用户id
payment_way 支付方式
out_trade_no 支付流水号
create_time 创建时间
operate_time 操作时间

6.3.2 订单详情表(order_detail)

在这里插入图片描述

6.3.3 商品表

在这里插入图片描述

6.3.4 用户表

在这里插入图片描述

6.3.5 商品一级分类表

标签 含义
id id
name 名称

6.3.6 商品二级分类表

标签 含义
id id
name 名称
category1_id 一级品类id

6.3.7 商品三级分类表

标签 含义
id id
name 名称
Category2_id 二级品类id

6.3.8 支付流水表

在这里插入图片描述

订单表跟订单详情表有什么区别?

  • 订单表的订单状态会变化,订单详情表不会,因为没有订单状态
  • 订单表记录user_id,订单id订单编号,订单的总金额order_status,支付方式,订单状态等。
  • 订单详情表记录user_id,商品sku_id ,具体的商品信息(商品名称sku_name,价格order_price,数量sku_num)

6.4 MySql中表的分类

实体表,维度表,事务型事实表,周期性事实表

其实最终可以把事务型事实表周期性事实表统称实体表,实体表,维度表统称维度表

订单表(order_info)(周期型事实表)

订单详情表(order_detail)(事务型事实表)

商品表(实体表)

用户表(实体表)

商品一级分类表(维度表)

商品二级分类表(维度表)

商品三级分类表(维度表)

支付流水表(事务型实体表)

6.5 同步策略

在这里插入图片描述

实体表,维度表统称维度表,每日全量或者每月(更长时间)全量

事务型事实表:每日增量

周期性事实表:拉链表

6.6 关系型数据库范式理论

  1NF属性不可再分割(例如不能存在5台电脑的属性,坏处:表都没法用)

  2NF不能存在部分函数依赖(例如主键(学号+课名)-->成绩,姓名,但学号 -->姓名,所以姓名部分依赖于主键(学号+课名),所以要去除,坏处:数据冗余)

  3NF不能存在传递函数依赖(学号 --> 宿舍种类 --> 价钱,坏处:数据冗余和增删异常)

   Mysql关系模型:关系模型主要应用与OLTP系统中,为了保证数据的一致性以及避免冗余,所以大部分业务系统的表都是遵循第三范式的。

  Hive 维度模型:维度模型主要应用于OLAP系统中,因为关系模型虽然冗余少,

但是在大规模数据,跨表分析统计查询过程中,会造成多表关联,这会大大降低执行效率。

所以HIVE把相关各种表整理成两种:事实表和维度表两种。所有维度表围绕着事实表进行解释。

6.7 数据模型

雪花模型、星型模型和星座模型

(在维度建模的基础上又分为三种模型:星型模型、雪花模型、星座模型。)

星型模型(一级维度表),雪花(多级维度),星座模型(星型模型+多个事实表)

6.8 业务数据数仓搭建

sqoop

  导数据的原理是mapreduce,

  import 把数据从关系型数据库 导到 数据仓库,自定义InputFormat,

  export 把数据从数据仓库 导到 关系型数据库,自定义OutputFormat,

  用sqoop从mysql中将八张表的数据导入数仓的ods原始数据层

  全量无条件,增量按照创建时间,增量+变化按照创建时间或操作时间。

origin_data

  sku_info商品表(每日导全量)

  user_info用户表(每日导全量)

  base_category1商品一级分类表(每日导全量)

  base_category2商品二级分类表(每日导全量)

  base_category3商品三级分类表(每日导全量)

  order_detail订单详情表(每日导增量)

  payment_info支付流水表(每日导增量)

  order_info订单表(每日导增量+变化)

6.8.1 ods层

  (八张表,表名,字段跟mysql完全相同)

  从origin\_data把数据导入到ods层,表名在原表名前加ods_

6.8.2 dwd层

  对ODS层数据进行判空过滤。对商品分类表进行维度退化(降维)。其他数据跟ods层一模一样

订单表 dwd_order_info

订单详情表 dwd_order_detail

用户表 dwd_user_info

支付流水表 dwd_payment_info

商品表 dwd_sku_info

其他表字段不变,唯独商品表,通过关联3张分类表,增加了

              category2_id` string COMMENT '2id', 

              `category1_id` string COMMENT '3id', 

              `category3_name` string COMMENT '3', 

              `category2_name` string COMMENT '2', 

              `category1_name` string COMMENT '1', 

小结:

1)维度退化要付出什么代价?或者说会造成什么样的需求处理不了?

  • 如果被退化的维度,还有其他业务表使用,退化后处理起来就麻烦些。
  • 还有如果要删除数据,对应的维度可能也会被永久删除。

2)想想在实际业务中还有那些维度表可以退化

  • 城市的三级分类(省、市、县)等

6.8.3 dws层

在这里插入图片描述

从订单表 dwd_order_info 中获取 下单次数 和 下单总金额

从支付流水表 dwd_payment_info 中获取 支付次数 和 支付总金额

从事件日志评论表 dwd_comment_log 中获取评论次数

最终按照user_id聚合,获得明细,跟之前的mid_id聚合不同

6.9、需求

6.9.1 需求一:GMV成交总额

从用户行为宽表中dws_user_action,根据统计日期分组,聚合,直接sum就可以了。

在这里插入图片描述

6.9.2、 需求二:转化率

6.9.2.1 新增用户占日活跃用户比率表

  从日活跃数表 ads_uv_count 和 日新增设备数表 ads_new_mid_count 中取即可。
在这里插入图片描述

6.9.2.2 用户行为转化率表

从用户行为宽表dws_user_action中取,下单人数(只要下单次数>0),支付人数(只要支付次数>0)

从日活跃数表 ads_uv_count 中取活跃人数,然后对应的相除就可以了。

在这里插入图片描述

6.9.3、 需求三:品牌复购率

需求:以月为单位统计,购买2次以上商品的用户

6.9.3.1 用户购买商品明细表(宽表)

在这里插入图片描述

6.9.3.2 品牌复购率表

从用户购买商品明细宽表dws_sale_detail_daycount中,根据品牌id--sku_tm_id聚合,计算每个品牌购买的总次数,购买人数a=购买次数>=1,两次及以上购买人数b=购买次数>=2,三次及以上购买人数c=购买次数>=3,

单次复购率=b/a,多次复购率=c/a

在这里插入图片描述

6.10、 项目中有多少张宽表

   宽表要3-5张,用户行为宽表,用户购买商品明细行为宽表,商品宽表,购物车宽表,物流宽表、登录注册、售后等。

1)为什么要建宽表

   需求目标,把每个用户单日的行为聚合起来组成一张多列宽表,以便之后关联用户维度信息后进行,不同角度的统计分析。

6.11、 拉链表

在这里插入图片描述

订单表拉链表 dwd_order_info_his

      `id` string COMMENT '订单编号',

    `total_amount` decimal(10,2) COMMENT '订单金额',

    `order_status` string COMMENT '订单状态',

    `user_id` string COMMENT '用户id' ,

    `payment_way` string COMMENT '支付方式', 

    `out_trade_no` string COMMENT '支付流水号', 

    `create_time` string COMMENT '创建时间', 

    `operate_time` string COMMENT '操作时间' ,

    `start_date`  string COMMENT '有效开始日期',

    `end_date`  string COMMENT '有效结束日期'

1)创建订单表拉链表,字段跟拉链表一样,只增加了有效开始日期和有效结束日期

  初始日期,从订单变化表ods_order_info导入数据,且让有效开始时间=当前日期,有效结束日期=9999-99-99

  (从mysql导入数仓的时候就只导了新增的和变化的数据ods_order_infodwd_order_infoods_order_info基本一样,只多了一个id的判空处理)

2)建一张拉链临时表dwd_order_info_his_tmp,字段跟拉链表完全一致

3)新的拉链表中应该有这几部分数据,

  • (1)增加订单变化表dwd_order_info的全部数据

    • (2)更新旧的拉链表左关联订单变化表dwd_order_info,关联字段:订单id, where 过滤出end_date只等于9999-99-99的数据,如果旧的拉链表中的end_date不等于9999-99-99,说明已经是终态了,不需要再更新

      • 如果dwd_order_info.id is null , 没关联上,说明数据状态没变,让end_date还等于旧的end_date
      • 如果dwd_order_info.id is not null , 关联上了,说明数据状态变了,让end_date等于当前日期-1

        • 把查询结果插入到拉链临时表中

4)把拉链临时表覆盖到旧的拉链表中

关注我的公众号【宝哥大数据】, 更多干货

在这里插入图片描述

你可能感兴趣的:(面试大数据电商)