助力工业物联网,工业大数据之客户回访事实指标需求分析【二十三】

简介: 助力工业物联网,工业大数据之客户回访事实指标需求分析【二十三】

1:客户回访事实指标需求分析

  • 目标掌握DWB层客户回访事实指标表的需求分析
  • 路径
  • step1:目标需求
  • step2:数据来源
  • 实施
  • 目标需求:基于客户回访数据统计工单满意数量、不满意数量、返修数量等指标

  • 数据来源
  • ciss_service_return_visit:回访信息表
select
    id,--回访id
    code,--回访编号
    workorder_id,--工单id
    create_userid, --回访人员id
    service_attitude,--服务态度
    response_speed,--响应速度
    repair_level,--服务维修水平
    is_repair --是否返修
from ciss_service_return_visit;
  • 1:满意
  • 0:不满意
  • ciss_service_workorder:服务工单信息表
select
    id,--工单id
    service_userid,--工程师id
    service_station_id,--服务站点id
    oil_station_id --油站id
from ciss_service_workorder;
  • 小结
  • 掌握DWB层客户回访事实指标表的需求分析

2:客户回访事实指标

  • 目标实现DWB层客户回访事实指标表的构建
  • 实施
  • 建表
-- 创建客户回访实时表
drop table if exists one_make_dwb.fact_srv_rtn_visit;
create table if not exists one_make_dwb.fact_srv_rtn_visit(
    vst_id string comment '回访id'
    , vst_code string comment '回访编号'
    , wrkodr_id string comment '工单id'
    , srv_user_id string comment '服务人员用户id'
    , os_id string comment '油站id'
    , ss_id string comment '服务网点id'
    , vst_user_id string comment '回访人员id'
    , satisfied_num int comment '满意数量'
    , unsatisfied_num int comment '不满意数量'
    , srv_atu_num int comment '服务态度满意数量'
    , srv_bad_atu_num int comment '服务态度不满意数量'
    , srv_rpr_prof_num int comment '服务维修水平满意数量'
    , srv_rpr_unprof_num int comment '服务维修水平不满意数量'
    , srv_high_res_num int comment '服务响应速度满意数量'
    , srv_low_res_num int comment '服务响应速度不满意数量'
    , rtn_rpr_num int comment '返修数量'
) comment '客户回访事实表'
partitioned by (dt string)
stored as orc
location '/data/dw/dwb/one_make/fact_srv_rtn_visit';
  • 抽取
insert overwrite table one_make_dwb.fact_srv_rtn_visit partition(dt = '20210101')
select
    visit.id vst_id                         --回访id
  , visit.code vst_code                   --回访编号
  , visit.workorder_id wrkodr_id          --工单id
  , swo.service_userid srv_user_id        --工程师id
  , swo.oil_station_id os_id              --油站id
  , swo.service_station_id ss_id          --服务网点id
  , visit.create_userid vst_user_id       --回访人员id
  , satisfied_num                         --满意数量
  , unsatisfied_num                       --不满意数量
  , srv_atu_num                           --服务态度满意数量
  , srv_bad_atu_num                       --服务态度不满意数量
  , srv_rpr_prof_num                      --服务水平满意数量
  , srv_rpr_unprof_num                    --服务水平不满意数量
  , srv_high_res_num                      --服务响应速度满意数量
  , srv_low_res_num                       --服务响应速度不满意数量
  , rtn_rpr_num                           --返修数量
--回访信息表
from one_make_dwd.ciss_service_return_visit visit
--工单信息表
left join one_make_dwd.ciss_service_workorder swo on visit.workorder_id = swo.id
--获取满意与不满意个数
left join (
    select visit.workorder_id,
      sum(case when visit.service_attitude = 1 and visit.response_speed = 1 and visit.repair_level = 1 then 1 else 0 end) satisfied_num,
      sum(case when visit.service_attitude = 0 then 1 when visit.response_speed = 0 then 1 when visit.repair_level = 0 then 1 when visit.yawp_problem_type = 0 then 1 else 0 end) unsatisfied_num,
      sum(case when visit.service_attitude = 1 then 1 else 0 end) srv_atu_num,
      sum(case when visit.service_attitude = 0 then 1 else 0 end) srv_bad_atu_num,
      sum(case when visit.repair_level = 1 then 1 else 0 end) srv_rpr_prof_num,
      sum(case when visit.repair_level = 0 then 1 else 0 end) srv_rpr_unprof_num,
      sum(case when visit.response_speed = 1 then 1 else 0 end) srv_high_res_num,
      sum(case when visit.response_speed = 0 then 1 else 0 end) srv_low_res_num,
      sum(case when visit.is_repair = 1 then 1 else 0 end) rtn_rpr_num
    from one_make_dwd.ciss_service_return_visit visit
  left join one_make_dwd.ciss_service_workorder swo on visit.workorder_id = swo.id
  where visit.dt = '20210101'
  group by visit.workorder_id
) vstswo on visit.workorder_id = vstswo.workorder_id
where visit.dt = '20210101'
;
  • 小结
  • 实现DWB层客户回访事实指标表的构建


目录
相关文章
|
5月前
|
存储 监控 大数据
大数据之路:阿里巴巴大数据实践——事实表设计
事实表是数据仓库核心,用于记录可度量的业务事件,支持高性能查询与低成本存储。主要包含事务事实表(记录原子事件)、周期快照表(捕获状态)和累积快照表(追踪流程)。设计需遵循粒度统一、事实可加性、一致性等原则,提升扩展性与分析效率。
|
6月前
|
分布式计算 搜索推荐 算法
Java 大视界 -- Java 大数据在智慧养老服务需求分析与个性化服务匹配中的应用(186)
本篇文章探讨了Java大数据技术在智慧养老服务需求分析与个性化服务匹配中的应用。通过整合老年人健康数据与行为数据,结合机器学习与推荐算法,实现对老年人健康风险的预测及个性化服务推荐,提升养老服务的智能化与精准化水平,助力智慧养老高质量发展。
|
11月前
|
传感器 物联网 大数据
物联网与大数据:揭秘万物互联的新纪元
物联网与大数据:揭秘万物互联的新纪元
425 7
|
数据采集 运维 算法
大数据项目管理:从需求分析到成果交付的全流程指南
【4月更文挑战第9天】本文介绍了大数据项目从需求分析到成果交付的全过程,包括需求收集与梳理、可行性分析、项目规划、数据准备与处理、系统开发与集成,以及成果交付与运维。文中通过实例展示了如何进行数据源接入、数据仓库建设、系统设计、算法开发,同时强调了需求理解、知识转移、系统运维的重要性。此外,还提供了Python和SQL代码片段,以说明具体技术实现。在大数据项目管理中,需结合业务和技术,灵活运用这些方法,确保项目的成功执行和价值实现。
3497 1
|
存储 人工智能 大数据
物联网、大数据、云计算、人工智能之间的关系
物联网、大数据、云计算、人工智能之间的关系是紧密相连、相互促进的。这四者既有各自独立的技术特征,又能在不同层面上相互融合,共同推动信息技术的发展和应用。
3649 0
|
分布式计算 搜索推荐 物联网
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
|
存储 数据挖掘 大数据
大数据数仓建模基础理论【维度表、事实表、数仓分层及示例】
数据仓库建模是组织和设计数据以支持数据分析的过程,包括ER模型和维度建模。ER模型通过实体和关系描述数据结构,遵循三范式减少冗余。维度建模,特别是Kimball方法,用于数据仓库设计,便于分析和报告。事实表存储业务度量,如销售数据,分为累积、快照、事务和周期性快照类型。维度表提供描述性信息,如时间、产品、地点和客户详情。数仓通常分层为ODS(源数据)、DWD(明细数据)、DIM(公共维度)、DWS(数据汇总)和ADS(应用数据),以优化数据管理、质量、查询性能和适应性。
5595 4
|
分布式计算 DataWorks 大数据
MaxCompute产品使用合集之如何实现嵌入式设备到物联网平台再到PAI DSW的云边结合
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
202 0
|
监控 物联网 大数据
智慧工地管理平台系统源码基于物联网、云计算、大数据等技术
智慧工地平台APP通过对施工过程人机料法环的全面感知、互联互通、智能协同,提高施工现场的生产效率、管理水平和决策能力,实现施工管理的数字化、智能化、精益化。
340 0
|
10月前
|
传感器 人工智能 物联网
健康监测设备的技术革命:AI+物联网如何让你随时掌握健康数据?
健康监测设备的技术革命:AI+物联网如何让你随时掌握健康数据?
1274 19