计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
弹性伸缩 AS
镜像服务 IMS
专属主机 DeH
函数工作流 FunctionGraph
云手机服务器 CPH
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
虚拟专用网络 VPN
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
VPC终端节点 VPCEP
云连接 CC
企业路由器 ER
企业交换机 ESW
全球加速 GA
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
边缘安全 EdgeSec
威胁检测服务 MTD
CDN与智能边缘
内容分发网络 CDN
CloudPond云服务
智能边缘云 IEC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
云搜索服务 CSS
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
数据可视化 DLV
数据湖工厂 DLF
湖仓构建 LakeFormation
企业应用
云桌面 Workspace
应用与数据集成平台 ROMA Connect
云解析服务 DNS
专属云
专属计算集群 DCC
IoT物联网
IoT物联网
设备接入 IoTDA
智能边缘平台 IEF
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
国际站常见问题
ICP备案
我的凭证
支持计划
客户运营能力
合作伙伴支持计划
专业服务
区块链
区块链服务 BCS
Web3节点引擎服务 NES
解决方案
SAP
高性能计算 HPC
视频
视频直播 Live
视频点播 VOD
媒体处理 MPC
实时音视频 SparkRTC
数字内容生产线 MetaStudio
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
存储容灾服务 SDRS
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属分布式存储服务 DSS
容器
云容器引擎 CCE
容器镜像服务 SWR
应用服务网格 ASM
华为云UCS
云容器实例 CCI
管理与监管
云监控服务 CES
统一身份认证服务 IAM
资源编排服务 RFS
云审计服务 CTS
标签管理服务 TMS
云日志服务 LTS
配置审计 Config
资源访问管理 RAM
消息通知服务 SMN
应用运维管理 AOM
应用性能管理 APM
组织 Organizations
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
应用身份管理服务 OneAccess
数据库
云数据库 RDS
文档数据库服务 DDS
数据管理服务 DAS
数据复制服务 DRS
云数据库 GeminiDB
云数据库 GaussDB
分布式数据库中间件 DDM
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
人脸识别服务 FRS
图引擎服务 GES
图像识别 Image
内容审核 Moderation
文字识别 OCR
AI开发平台ModelArts
图像搜索 ImageSearch
对话机器人服务 CBS
华为HiLens
视频智能分析服务 VIAS
语音交互服务 SIS
应用中间件
分布式缓存服务 DCS
API网关 APIG
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
多活高可用服务 MAS
事件网格 EG
企业协同
华为云会议 Meeting
云通信
消息&短信 MSGSMS
云生态
合作伙伴中心
云商店
开发者工具
SDK开发指南
API签名指南
Terraform
华为云命令行工具服务 KooCLI
其他
产品价格详情
系统权限
管理控制台
客户关联华为云合作伙伴须知
消息中心
公共问题
开发与运维
应用管理与运维平台 ServiceStage
软件开发生产线 CodeArts
需求管理 CodeArts Req
部署 CodeArts Deploy
性能测试 CodeArts PerfTest
编译构建 CodeArts Build
流水线 CodeArts Pipeline
制品仓库 CodeArts Artifact
测试计划 CodeArts TestPlan
代码检查 CodeArts Check
代码托管 CodeArts Repo
云应用引擎 CAE
开天aPaaS
云消息服务 KooMessage
云手机服务 KooPhone
云空间服务 KooDrive
文档首页/ 数据湖探索 DLI/ 最佳实践/ 使用DLI分析电商BI报表

使用DLI分析电商BI报表

更新时间:2025-01-10 GMT+08:00

应用场景

某电商商城在保持高速发展的同时,沉淀了数亿的忠实用户,积累了海量的真实数据。如何利用BI工具从历史数据中找出商机,是大数据应用在精准营销中的关键问题,也是所有电商平台在做智能化升级时所需要的核心技术。

本案例以某商城真实的用户、商品、评论数据(脱敏后)为基础,利用数据湖探索来分析用户和商品的各种数据特征,可为营销决策、广告推荐、信用评级、品牌监控、用户行为预测提供高质量的信息。

流程指导

使用DLI进行电商数据分析的操作过程主要包括以下步骤:

步骤1:上传数据。将数据上传到对象存储服务OBS,为后面使用DLI完成数据分析做准备。

步骤2:分析数据。使用DLI对待分析的数据进行查询。

数据说明

为保护用户的隐私和数据安全,所有数据均已进行了采样和脱敏。

  • 用户数据
    表1 用户数据

    字段名称

    字段类型

    字段说明

    取值范围

    user_id

    int

    用户ID

    脱敏

    age

    int

    年龄段

    -1表示未知

    gender

    int

    性别

    • 0表示男
    • 1表示女
    • 2表示保密

    rank

    Int

    用户等级

    有顺序的级别枚举,越高级别数字越大

    register_time

    string

    用户注册日期

    单位:天

  • 商品数据
    表2 商品数据

    字段名称

    字段类型

    字段说明

    取值范围

    product_id

    int

    商品编号

    脱敏

    a1

    int

    属性1

    枚举,-1表示未知

    a2

    int

    属性2

    枚举,-1表示未知

    a3

    int

    属性3

    枚举,-1表示未知

    category

    int

    品类ID

    脱敏

    brand

    int

    品牌ID

    脱敏

  • 评价数据
    表3 评价数据

    字段名称

    字段类型

    字段说明

    取值范围

    deadline

    string

    截止时间

    单位:天

    product_id

    int

    商品编号

    脱敏

    comment_num

    int

    累计评论数分段

    • 0表示无评论
    • 1表示有1条评论
    • 2表示有2-10条评论
    • 3表示有11-50条评论
    • 4表示大于50条评论

    has_bad_comment

    int

    是否有差评

    0表示无,1表示有

    bad_comment_rate

    float

    差评率

    差评数占总评论数的比重

  • 行为数据
    表4 行为数据

    字段名称

    字段类型

    字段说明

    取值范围

    user_id

    int

    用户编号

    脱敏

    product_id

    int

    商品编号

    脱敏

    time

    string

    行为时间

    -

    model_id

    string

    模块编号

    脱敏

    type

    string

    • 浏览(指浏览商品详情页)
    • 加入购物车
    • 购物车删除
    • 下单
    • 关注
    • 点击

    -

步骤1:上传数据

将数据上传到对象存储服务OBS,为后面使用DLI完成数据分析做准备。
  1. 下载OBS Browser+。下载地址请参考《对象存储服务工具指南》。
  2. 安装OBS Browser+。安装步骤请参考《对象存储服务工具指南》。
  3. 登录OBS Browser+。OBS Browser+支持AK方式登录,以及授权码登录两种登录方式。登录步骤请参考《对象存储服务工具指南》。
  4. 通过OBS Browser+上传数据。

    在OBS Browser+页面单击“创建桶”,按照要求选择“区域”和填写“桶名”(例如:DLI-demo),创建桶成功后,返回桶列表,单击桶DLI-demo。OBS Browser+提供强大的拖拽上传功能,您可以将本地的一个或多个文件或者文件夹拖拽到对象存储的对象列表或者并行文件系统的对象列表中;同时您也可以将文件或文件夹拖拽到指定的目录上,这样可以上传到指定的目录中。

    单击Best_Practice_04.zip获取本示例的测试数据,解压“Best_Practice_04.zip”压缩包,解压后将data文件夹上传到OBS桶根目录下。测试数据目录说明如下:

    • user表数据:data/JData_User
    • product表数据:data/JData_Product
    • comment表数据:data/JData_Product/JData_Comment
    • action表数据:data/JData_Action

步骤2:分析数据

  1. 创建数据库、表
    1. 在portal页面上方菜单栏中单击“产品”,单击“大数据”分类中的“数据湖探索 DLI”。
    2. 创建demo数据库,在DLI控制台总览页面,选择“作业管理 > SQL作业”,单击“创建作业”,进入SQL作业编辑器。
    3. 在SQL作业编辑器左侧,选择“数据库”页签,单击创建demo数据库,请参见图1
      图1 创建数据库
      说明:

      “default”为内置数据库,不能创建名为“default”的数据库。

    4. 选择demo数据库,在编辑框中输入以下SQL语句:
      create table user(
        user_id int,
        age int,
        gender int,
        rank int,
        register_time string
      ) USING csv OPTIONS (path "obs://DLI-demo/data/JData_User")
      说明:

      上述SQL语句中的文件路径为实际存放数据的OBS路径。

    5. 单击“执行”,创建用户信息表user。
    6. 用相同的方法创建商品表,评价表,行为表。
      • 商品表
        create table product(
          product_id int,
          a1 int,
          a2 int,
          a3 int,
          category int,
          brand int
        ) USING csv OPTIONS (path "obs://DLI-demo/data/JData_Product")
      • 评价表
        create table comment(
          deadline string,
          product_id int,
          comment_num int,
          has_bad_comment int,
          bad_comment_rate float
        ) USING csv OPTIONS (path "obs://DLI-demo/data/JData_Comment")
      • 行为表
        create table action(
          user_id int,
          product_id int,
          time string,
          model_id string,
          type string
        ) USING csv OPTIONS (path "obs://DLI-demo/data/JData_Action");
  2. 执行查询

    常用查询语句可以设置为模板,下次查询的时候在模板管理页面可以查看,具体操作可参见《数据湖探索用户指南》中的《模板管理》

    • 分析出10大用户点赞数最多的产品
      1. 执行以下SQL语句,可以分析出10大用户点赞数最多的产品。
        SELECT
          product.brand as brand,
          COUNT(product.brand) as like_count
        from
          action
          JOIN product ON (action.product_id = product.product_id)
        WHERE
          action.type = 'like'
        group by
          brand
        ORDER BY like_count desc
        limit
          10
      2. 单击“执行”,运行结果如图2所示:
        图2 查询结果
      3. 单击“结果图形化”,对结果进行图形展示:
        图3 结果图形化
    • 分析出10大评级最差的商品
      1. 执行以下SQL语句,可以分析出10大评级最差的商品。
        SELECT
          DISTINCT product_id,
          comment_num,
          bad_comment_rate 
        from 
          comment 
        where 
          comment_num > 3 
        order by 
          bad_comment_rate desc 
        limit
          10
      2. 单击“执行”,运行结果如图4所示:
        图4 查询结果
      3. 单击“结果图形化”,对结果进行图形展示:
        图5 结果图形化

    此外,还可以分析用户的年龄分布、性别比例、商品评价情况、购买情况、浏览情况等。

我们使用cookie来确保您的高速浏览体验。继续浏览本站,即表示您同意我们使用cookie。 详情

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容