有以下几张数据表，请写出Hive SQL语句，实现以下需求。
注：分区字段为dt，代表日期。
1、某次经营活动中，商家发起了"异性拼团购"，试着针对某个地区的用户进行推广，找出匹配用户。
参考实现：选出城市在北京，性别为男的10个用户名
select user_name from user_info where city=‘beijing’ and sex=‘male’ limit 10;
2、某天，发现食物类的商品卖的很好，你能找出几个资深吃货吗？
参考实现：选出在2019年6月18日，购买的商品类是food的用户名、购买数量、支付金额，并按照购买数量、支付金额倒序排序，取前10个用户。
select user_name, piece, pay_amount from user_trade where dt=‘2019-06-18’ and goods_category=‘food’ order by pay_amount desc, piece desc limit 10;
3、试着对本公司2019年第一季度商品的热度与价值度进行分析。
参考实现：2019年1月到3月，每个品类有多少人购买，累计金额是多少。
select goods_category, count(distinct user_name) as user_num, sum(pay_amount) as total_amount from user_trade where dt between ‘2019-01-01’ and ‘2019-03-31’ group by goods_category;
4、2019年4月，支付金额超过5万元的用户，给VIP用户赠送优惠劵。
参考实现：2019年4月份，统计每位用户的支付金额，筛选出超过5万元的。
select user_name, sum(pay_amount) as total_amount from user_trade where dt between ‘2019-04-01’ and ‘2019-04-30’ group by user_name having sum(pay_amount)>50000;
5、去年的劳动节新用户推广活动价值分析，即拉新分析。
参考实现：统计2019年5月1日之后，每日激活用户的数量。
select sum(user_name) as user_num, datediff(to_date(firstactivetime), ‘2019-05-01’) from user_info where to_date(firstactivetime) between ‘2019-05-01’ and ‘2019-05-31’ group by to_date(firstactivetime);
6、对用户的年龄段进行分析，观察分布情况。
参考实现：统计以下四个年龄段：20岁以下、20-30岁、30-40岁、40岁以上的用户数。
select case when age<20 then ‘20岁以下’ when age>=20 and age<30 then ‘20-30岁’ when age>=30 and age<40 then ‘30-40岁’ else ‘40岁以上’ end as age_type count(distinct user_name) as user_num from user_info group by case when age<20 then ‘20岁以下’ when age>=20 and age<30 then ‘20-30岁’ when age>=30 and age<40 then ‘30-40岁’ else ‘40岁以上’ end;
7、去年王思聪的微博抽奖活动引起争议，我们想要观察用户等级随性别的分布情况。
参考实现：统计每个性别用户等级高低分布情况（level大于5为高级）
select sex. if(level>5, ‘高’, ‘低’) as level_type, count(distinct user_name) as user_num from user_info group by sex, if(level>5, ‘高’, ‘低’);
8、分析每个月的拉新情况，可以倒推回运营效果。
参考实现：统计每个月激活用户的数量
select substr(firstactivetime, 1, 7) as active_month, count(distinct user_name) as user_num from user_info group by substr(firstactivetime, 1, 7);
9、找出不同手机品牌的用户分布情况。
参考实现：按照手机品牌分组，统计每个品牌的用户数量。
select extra2[‘phonebrand’] as phone_brand, count(distinct user_name) as user_num from user_info group by extra2[‘phonebrand’];
10、找出在2018年具有VIP潜质的用户，发送VIP试用劵。
参考实现：2018年购买的商品品类在五个以上的用户
select user_name, count(distinct goods_category) as category_num from user_trade where year(dt)=‘2018’ group by user_name having count(distinct goods_category)>5;
11、激活天数距今超过300天的男女分布情况
select sex, count(distinct user_name) as user_num from user_info where datediff(current_date(),to_date(firstactivetime))>300 group by sex;
12、不同性别、教育程度的分布情况
select sex, extra2[“education”] as education, count(distinct user_name) as user_num from user_info group by sex, extra2[“education”];
13、2019年1月1日到2019年4月30日，每个时段的不同品类购买金额分布。
select substr(from_unixtime(pay_time, ‘yyyy-MM-dd HH’), 12), goods_category, sum(pay_amount) as total_amount from user_trade where dt between ‘2019-01-01’ and ‘2019-04-30’ group by substr(from_unixtime(pay_time, ‘yyyy-MM-dd HH’), 12),
