Redshift SQL - 跳过的序列

Posted 2023-03-31

【中文标题】Redshift SQL - 跳过的序列

【英文标题】：Redshift SQL - Skipped sequence

【发布时间】：2018-11-14 22:46:08

【问题描述】：

我正在处理申请人管道数据，需要计算进入管道/漏斗每个阶段的申请人的数量。如果申请人跳过一个阶段，我无论如何都需要将他们计入该阶段。以下是该数据如何查找一位申请人的示例：

Stage name | Entered on
Application Review | 9/7/2018
Recruiter Screen | 9/10/2018
Phone Interview | blank
Interview | 9/17/2018
Interview 2 | 9/20/2018
Offer | blank

这就是表格的样子：

CREATE TABLE application_stages (
application_id bigint,
stage_id bigint,
entered_on timestamp without time zone,
exited_on timestamp without time zone,
stage_name character varying
);

在此示例中，我想计算通过面试 2（包括跳过/空白电话面试阶段）的申请审核，而不是报价。我将如何用 SQL 编写上述内容？ （数据存储在 Amazon Redshift 中。使用 SQL 工作台进行查询。）

另外，如果我可以在我的问题中添加任何其他内容以使问题/解决方案更清晰，请告诉我。

【问题讨论】：

欢迎来到***。您应该提供文本数据而不是屏幕截图。如果您添加表格方案也会很好。

感谢指导！我会更新的。

【参考方案1】：

您可以像这样在event_list 表中硬编码管道的各个阶段：

id | stage_name
1 | first stage 
2 | second stage 
3 | third stage 
4 | fourth stage 

UPD：漏斗的阶段越深，其 ID 越高。这样，您可以比较它们，即third stage 比second stage 更深，因为3>2。因此，如果您需要找到达到第二阶段的人，它包括具有 id=2 的事件或具有 id>2 的事件的人，即漏斗中更深的事件。

如果错过了second stage 并且为某个人记录了third stage，您仍然可以通过stage_name 将您的事件数据加入此表并计算记录数，将该人计为“到达第二阶段”用id>=2，喜欢

select count(distinct user_id)
from event_data t1
join event_list t2
using (stage_name)
where t2.id>=2

或者，您可以将您的事件表连接到event_list 并使用返回前一行的值的lag 函数填补空白（即在这种情况下将first stage 的时间戳分配给second stage以上）

【讨论】：

假设你用它来计算电话面试，这不会计算两次，对于上面的例子，interview1 和 2 各一次？这是一个好的开始，但是您需要计算不同的 application_ids。

@AlexYes 有时空白是正确的，不应计算在内。就像在这个例子中一样，Offer 是空白的，不应该被计算在内，因为它是最后阶段。你的建议还有效吗？此外，空白可以处于任何阶段，并不总是 id 2。可能会有多个空白。

@WilsonS 我在帖子中添加了更详细的解释，希望它有意义。如果您想计算报价，您仍然可以正确执行，因为这是最深的事件，并且只会计算真正的非空白。

@DancingFool 当然！我已经编辑了查询。这很明显，我更专注于填补空白的方法。

感谢更新的 SQL。如果跳过第一阶段，id>=2 会起作用吗？另外，我没有对 redshift 数据库的更新访问权限。我仍然可以按照您的建议创建一个 event_list 表吗？那将如何运作？也许是一个案例语句来为每个阶段分配一个 id？我将尝试滞后建议。我之前通过 pastebin 提供了表格的副本。随意看看那里。我真的很感谢所有的帮助！

【参考方案2】：

这是我最终得到的 SQL。感谢您的想法，@AlexYes！

select stage_name,  
application_stages.application_id, entered_on, 
case when entered_on is NULL then lead(entered_on,1) 
ignore nulls
over 
(PARTITION BY application_stages.application_id order by case stage_name 
when 'Application Review' then 1 
when 'Recruiter Screen' then 2 
when 'Phone Interview' then 3
when 'Interview' then 4
when 'Interview 2' then 5
when 'Offer' then 6
when 'Hired' then 7 end) else entered_on end as for_count, exited_on
from application_stages

我意识到上面的 SQL 并没有给我计数，但我正在 Tableau 中进行计数。很高兴拥有上述格式，以防我需要对新的“for_count”字段进行其他计算。