如何分维度查看某一指标?

在数据分析的过程中,想要从数据中洞察机会,一般就需要对数据不断展开下钻,分不同维度查看核心的数据漏斗。比如不同年龄段、不同城市、不同购买力、不同性别、XXX的浏览转化率。

作为技术人员,肯定不能停留在知道怎么分析上,还需要知道要怎么高效简单的做这件事情。怎么做呢?

  • 简单的方式是SQL的Group By + UNIAON ALL
  • 高级一点的方式是Grouping SETS

当维度足够多的时候使用Grouping SETS,可以减少重复代码的编写;

Demo

准备1+N张表:

  • table_a 1张业务数据表,userid + 业务数据
  • table_b N张用户维表,可以放到一张大宽表中,也可以按需分布在不同的表中。存储用户的年龄、性别、城市等信息

userid 浏览数 购买数
1 1 0
2 1 0
3 1 0
4 1 1

Group By + UNION ALL方式

CREATE VIEW tmp_result AS 
select 
a.userid
,a.浏览数
,a.购买数
,b.年龄
,b.性别
,b.购买力
from table_a
LEFT JOIN table_b
on a.userid = b.userid

SELECT 年龄 as cate,sum(浏览数),sum(购买数) from tmp_result GROUP BY 年龄
UNION ALL
SELECT 性别 as cate,sum(浏览数),sum(购买数) from tmp_result GROUP BY 性别
UNION ALL
SELECT 城市 as cate,sum(浏览数),sum(购买数) from tmp_result GROUP BY 城市

GROUPING SETS方式

CREATE VIEW tmp_result AS 
select 
a.userid
,a.浏览数
,a.购买数
,b.年龄
,b.性别
,b.购买力
from table_a
LEFT JOIN table_b
on a.userid = b.userid

SELECT 年龄,性别,城市,sum(浏览数),sum(购买数) FROM tmp_result
GROUP BY 年龄,性别,城市
GROUPING SETS(
    (年龄),(性别),(城市)
)

小结

分维度查看不同和数据就是SQL的Group BY,当维度太多的时候使用Grouping Sets。

文档

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,826评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,968评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,234评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,562评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,611评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,482评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,271评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,166评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,608评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,814评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,926评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,644评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,249评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,866评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,991评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,063评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,871评论 2 354

推荐阅读更多精彩内容