面试系列七 之 业务交互数据分析
Posted chbxw
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了面试系列七 之 业务交互数据分析相关的知识,希望对你有一定的参考价值。
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
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)
6.3.3 商品表
6.3.4 用户表
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
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
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
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。
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。
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。
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)
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
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。
2)具体用户行为宽表字段名称
评论、打赏、收藏、关注–商品、关注–人、点赞、分享、好价爆料、文章发布、活跃、签到、补签卡、幸运屋、礼品、金币、电商点击、gmv
CREATE TABLE `app_usr_interact`(
`stat_dt` date COMMENT '互动日期',
`user_id` string COMMENT '用户id',
`nickname` string COMMENT '用户昵称',
`register_date` string COMMENT '注册日期',
`register_from` string COMMENT '注册来源',
`remark` string COMMENT '细分渠道',
`province` string COMMENT '注册省份',
`pl_cnt` bigint COMMENT '评论次数',
`ds_cnt` bigint COMMENT '打赏次数',
`sc_add` bigint COMMENT '添加收藏',
`sc_cancel` bigint COMMENT '取消收藏',
`gzg_add` bigint COMMENT '关注商品',
`gzg_cancel` bigint COMMENT '取消关注商品',
`gzp_add` bigint COMMENT '关注人',
`gzp_cancel` bigint COMMENT '取消关注人',
`buzhi_cnt` bigint COMMENT '点不值次数',
`zhi_cnt` bigint COMMENT '点值次数',
`zan_cnt` bigint COMMENT '点赞次数',
`share_cnts` bigint COMMENT '分享次数',
`bl_cnt` bigint COMMENT '爆料数',
`fb_cnt` bigint COMMENT '好价发布数',
`online_cnt` bigint COMMENT '活跃次数',
`checkin_cnt` bigint COMMENT '签到次数',
`fix_checkin` bigint COMMENT '补签次数',
`house_point` bigint COMMENT '幸运屋金币抽奖次数',
`house_gold` bigint COMMENT '幸运屋积分抽奖次数',
`pack_cnt` bigint COMMENT '礼品兑换次数',
`gold_add` bigint COMMENT '获取金币',
`gold_cancel` bigint COMMENT '支出金币',
`surplus_gold` bigint COMMENT '剩余金币',
`event` bigint COMMENT '电商点击次数',
`gmv_amount` bigint COMMENT 'gmv',
`gmv_sales` bigint COMMENT '订单数')
PARTITIONED BY ( `dt` string)
6.11、 拉链表
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_info
,dwd_order_info
跟ods_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
6.12、电商分析指标
1 离线指标
- 网站流量指标 独立访问数UV 页面访客数PV
- 流量质量指标类 跳出率 平均页面访问时长 人均页面访问数
2 购物车类指标
- 加入购物车次数 加入购物车买家次数 加入购物车商品数
- 购物车支付转化率
3 下单类指标
- 下单笔数 下单金额 下单买家数 浏览下单转化率
4 支付类指标
- 支付金额 支付买家数 支付商品数 浏览-支付买家转化率
- 下单-支付金额转化率 下单-支付买家数转换率
5 交易类指标
- 交易成功订单数 交易成功金额 交易成功买家数 交易成功商品数
- 交易失败订单数 交易失败订单金额 交易失败买家数
- 交易失败商品数 退款总订单量 退款金额 退款率
6 市场营销活动指标
- 新增访问人数 新增注册人数 广告投资回报率 UV订单转化率
7 风控类指标
- 买家评价数 买家上传图片数 买家评价率 买家好评率 买家差评率
物流平均配送时间
8 投诉类指标
- 发起投诉数 投诉率 撤销投诉(申诉数)
9 商品类指标
- 产品总数 SKU数 SPU数
- 上架商品SKU数 上架商品SPU数 上架商品数
日活跃用户,
月活跃用户,
各区域Top10商品统计,
季度商品品类点击率top10,
用户留存,
月APP的用户增长人数,
广告区域点击数top3,
活跃用户每天在线时长,
投诉人数占比,
沉默用户占比,
用户的新鲜度,
商品上架的sku数,
同种品类的交易额排名,
统计买家的评价率,
用户浏览时长,
统计下单的数量,
统计支付的数量,
统计退货的数量,
用户的(日活、月活、周活),
统计流失人数
日活,周活,月活,沉默用户占比,增长人数,活跃用户占比,在线时长统计,歌曲访问数,歌曲访问时长,各地区Top10歌曲统计 ,投诉人数占比,投诉回应时长,留存率,月留存率,转化率,GMV,复购vip率,vip人数,歌榜,挽回率,粉丝榜,打赏次数,打赏金额,发布歌曲榜单,歌曲热度榜单,歌手榜单,用户年龄组,vip年龄组占比,收藏数榜单,评论数
1.用户活跃数统计(日活,月活,周活)
2.某段时间的新增用户/活跃用户数
3.页面单跳转化率统计
4.活跃人数占比(占总用户比例)
5.在线时长统计(活跃用户每天在线时长)
12.统计本月的人均在线时长
6.订单产生效率(下单的次数与访问次数比)
7.页面访问时长(单个页面访问时长)
8.统计本季度付款订单
9.统计某广告的区城点击数top3
10.统计本月用户的流失人数
11.统计本月流失人数占用户人数的比例
13.统计本月APP的用户增长人数
14.统计本月的沉默用户
15.统计某时段的登录人数
16.统计本日用户登录的次数平均值
17.统计用户在某类型商品中的浏览深度(页面转跳率)
18.统计用户从下单开始到交易成功的平均时长
19.Top10热门商品的统计
20.统计下单的数量
21.统计支付的数量
22.统计退货的数量
23.统计动销率(有销量的商品/在线销售的宝贝)
24.统计支付转化率
25.统计用户的消费频率
26.统计商品上架的SKU数
27.统计同种品类的交易额排名
28.统计按下单退款排序的top10的商品
29.统计本APP的投诉人数占用户人数的比例
30.用户收藏商品
6.13、项目流程
6.13.1、商品详情 ----- 购物车 ----- 订单 ------ 付款的转换比率
5% 30% 70%
6.13.2、每天的GMV是多少,哪个商品卖的最好?每天下单量多少?
(1)100万的日活每天大概有10万人购买,平均每人消费100元,一天的GMV在1000万
(2)面膜,每天销售5000个
(3)每天下单量在10万左右
6.13.3、数据仓库每天跑多少张表,大概什么时候运行,运行多久?
基本一个项目建一个库,表格个数为初始的原始数据表格加上统计结果表格的总数。(一般70-100张表格)
每天0:30开始运行。
所有离线数据报表控制在8小时之内
大数据实时处理部分控制在5分钟之内。
6.13.4、数仓中使用的哪种文件存储格式
常用的包括:textFile,rcFile,ORC,Parquet,一般企业里使用ORC或者Parquet,因为是列式存储,且压缩比非常高,所以相比于textFile,查询速度快,占用硬盘空间少
6.13.5、测试相关
1)公司有多少台测试服务器?
测试服务器一般三台
2)测试数据哪来的?
一部分自己写Java程序自己造,一部分从生产环境上取一部分。
3)如何保证写的sql正确性
需要造一些特定的测试数据,测试。
离线数据和实时数据分析的结果比较。
4)测试环境什么样?
测试环境的配置是生产的一半
5)测试之后如何上线?
上线的时候,将脚本打包,提交git。先发邮件抄送经理和总监,运维。通过之后跟运维一起上线。
6.13.6、项目实际工作流程
1)先与产品讨论,看报表的各个数据从哪些埋点中取
2)将取得逻辑过程设计好,与产品确定后开始开发
3)开发出报表SQL脚本,并且跑几天的历史数据,观察结果
4)将报表放入调度任务中,第二天给产品看结果。
5)周期性将表结果导出或是导入后台数据库,生成可视化报表
6.13.7、项目中实现一个需求大概多长时间
刚入职第一个需求大概需要7天左右。
对业务熟悉后,平均一天一个需求。
影响时间的因素:开会讨论需求、表的权限申请、测试等
6.13.8、项目在3年内迭代次数,每一个项目具体是如何迭代的。
差不多一个月会迭代一次。就产品或我们提出优化需求,然后评估时间。每周我们都会开会做下周计划和本周总结。
有时候也会去预研一些新技术。
6.13.9、项目开发中每天做什么事
新需求比如埋点或是报表来了之后,需要设计做的方案,设计完成之后跟产品讨论,再开发。
数仓的任何步骤出现问题,需要查看问题,比如日活,月活下降等。
关注我的公众号【宝哥大数据】, 更多干货
以上是关于面试系列七 之 业务交互数据分析的主要内容,如果未能解决你的问题,请参考以下文章