先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7
深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）
正文
16：客户域：客户主题分析实现
-
目标：掌握客户主题的需求分析及实现
-
路径
- step1：需求
- step2：分析
- step3：实现
-
实施
- 需求
字段名称 字段说明 来源 sum_install_num 安装数量 one_make_dwb.fact_worker_order max_install_num 安装最大数量 one_make_dwb.fact_worker_order min_install_num 安装最小数量 one_make_dwb.fact_worker_order avg_min_install_num 安装平均数量 one_make_dwb.fact_worker_order sum_repair_num 维修数量 one_make_dwb.fact_worker_order max_repair_num 维修最大数量 one_make_dwb.fact_worker_order min_repair_num 维修最小数量 one_make_dwb.fact_worker_order avg_repair_num 维修平均数量 one_make_dwb.fact_worker_order sum_wo_num 派工数量 one_make_dwb.fact_worker_order max_sum_wo_num 派工最大数量 one_make_dwb.fact_worker_order min_sum_wo_num 派工最小数量 one_make_dwb.fact_worker_order avg_wo_num 派工平均数量 one_make_dwb.fact_worker_order sum_remould_num 巡检数量 one_make_dwb.fact_worker_order max_remould_num 巡检最大数量 one_make_dwb.fact_worker_order min_remould_num 巡检最小数量 one_make_dwb.fact_worker_order avg_remould_num 巡检平均数量 one_make_dwb.fact_worker_order sum_alread_complete_num 回访数量 one_make_dwb.fact_worker_order max_alread_complete_num 回访最大数量 one_make_dwb.fact_worker_order min_alread_complete_num 回访最小数量 one_make_dwb.fact_worker_order avg_alread_complete_num 回访平均数量 one_make_dwb.fact_worker_order dws_day string 日期维度-按天 one_make_dws.dim_date dws_week string 日期维度-按周 one_make_dws.dim_date dws_month string 日期维度-按月 one_make_dws.dim_date oil_type string 油站类型 one_make_dws.dim_oilstation oil_province 油站所属省 one_make_dws.dim_oilstation oil_city string 油站所属市 one_make_dws.dim_oilstation oil_county string 油站所属区 one_make_dws.dim_oilstation customer_classify 客户类型 one_make_dws.dim_oilstation customer_province 客户所属省 one_make_dws.dim_oilstation -
分析
-
指标
- 安装数量、最大安装数量、最小安装数量、平均安装数量
- 维修数量、最大维修数量、最小维修数量、平均维修数量
- 派工数量、最大派工数量、最小派工数量、平均派工数量
- 改造数量、最大改造数量、最小改造数量、平均改造数量
- 回访数量、最大回访数量、最小回访数量、平均回访数量
-
维度
- 日期维度：天、周、月
- 油站维度：类型、省份、城市、区域
- 客户维度：类型、省份
-
数据
-
事实表
- fact_worker_order：工单事务事实表
select install_num,--安装数 repair_num,--维修数 remould_num,--改造数 wo_num,--工单数 alread_complete_num,--完成数，已回访 oil_station_id, --油站id dt --日期 from fact_worker_order; -
维度表
- dim_oilstation：油站维度表
select id,--油站id company_name,--公司名称 province_name,--省份名称 city_name,--城市名称 county_name,--区域名称 customer_classify_name,--客户名称 customer_province_name--客户省份 from dim_oilstation;- dim_date：时间维度表
select date_id,--天 week_in_year_id,--周 year_month_id --月 from dim_date;
-
-
-
分析
-
实现**
- 建表
drop table if exists one_make_st.subj_customer; create table if not exists one_make_st.subj_customer( sum_install_num int comment '安装数量' ,max_install_num int comment '安装最大数量' ,min_install_num int comment '安装最小数量' ,avg_min_install_num decimal(20, 1) comment '安装平均数量' ,sum_repair_num int comment '维修数量' ,max_repair_num int comment '维修最大数量' ,min_repair_num int comment '维修最小数量' ,avg_repair_num decimal(20, 1) comment '维修平均数量' ,sum_wo_num int comment '派工数量' ,max_sum_wo_num int comment '派工最大数量' ,min_sum_wo_num int comment '派工最小数量' ,avg_sum_wo_num decimal(20, 1) comment '派工平均数量' ,sum_remould_num int comment '巡检数量' ,max_remould_num int comment '巡检最大数量' ,min_remould_num int comment '巡检最小数量' ,avg_remould_num decimal(20, 1) comment '巡检平均数量' ,sum_alread_complete_num int comment '回访数量' ,max_alread_complete_num int comment '回访最大数量' ,min_alread_complete_num int comment '回访最小数量' ,avg_alread_complete_num decimal(20, 1) comment '回访平均数量' ,dws_day string comment '日期维度-按天' ,dws_week string comment '日期维度-按周' ,dws_month string comment '日期维度-按月' ,oil_type string comment '油站维度-油站类型' ,oil_province string comment '油站维度-油站所属省' ,oil_city string comment '油站维度-油站所属市' ,oil_county string comment '油站维度-油站所属区' ,customer_classify string comment '客户维度-客户类型' ,customer_province string comment '客户维度-客户所属省' ) comment '客户主题表' partitioned by (month String, week String, day String) stored as orc location '/data/dw/st/one\_make/subj\_customer' ;
-
构建
insert overwrite table one_make_st.subj_customer partition(month = '202101', week='2021W1', day='20210101')
select
sum(fwo.install_num) sum_install_num, --安装数量
max(fwo.install_num) max_install_num, --最大安装数量
min(fwo.install_num) min_install_num, --最小安装数量
avg(fwo.install_num) avg_min_install_num, --平均安装数量
sum(fwo.repair_num) sum_repair_num, --维修数量
max((fwo.repair_num)) max_repair_num, --最大维修数量
min(fwo.repair_num) min_repair_num, --最小维修数量
avg((fwo.repair_num)) avg_repair_num, --平均维修数量
sum(fwo.wo_num) sum_wo_num, --派工数量
max(fwo.wo_num) max_sum_wo_num, --最大派工数量
min(fwo.wo_num) min_sum_wo_num, --最小派工数量
avg(fwo.wo_num) avg_wo_num, --平均派工数量
sum(fwo.remould_num) sum_remould_num, --改造数量
max(fwo.remould_num) max_remould_num, --最大改造数量
min(fwo.remould_num) min_remould_num, --最小改造数量
avg(fwo.remould_num) avg_remould_num, --平均改造数量
sum(fwo.alread_complete_num) sum_alread_complete_num, --回访数量
max(fwo.alread_complete_num) max_alread_complete_num, --最大回访数量
min(fwo.alread_complete_num) min_alread_complete_num, --最小回访数量
avg(fwo.alread_complete_num) avg_alread_complete_num, --平均回访数量
dd.date_id dws_day, --日期天
dd.week_in_year_id dws_week, --日期周
dd.year_month_id dws_month, --日期月
dimoil.company_name oil_type, --油站类型
dimoil.province_name oil_province, --油站省份
dimoil.city_name oil_city, --油站城市
dimoil.county_name oil_county, --油站区域
dimoil.customer_classify_name customer_classify, --客户类型
dimoil.customer_province_name customer_province --客户省份
--工单事务事实表
from one_make_dwb.fact_worker_order fwo
--日期维度表
left join one_make_dws.dim_date dd on fwo.dt = dd.date_id
**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**
**需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）**
**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
.date_id
**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**
**需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）**
[外链图片转存中...(img-lBdhc5MT-1713381485793)]
**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
