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】

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
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
|
监控 供应链 安全
物联网卡在工业领域的应用
物联网卡在工业领域的应用极大地推动了行业的智能化、自动化和高效化进程。以下是物联网卡在工业领域中各操作类型中的具体应用作用:
|
3月前
|
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。
923 0
|
9月前
|
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。
2261 1
|
4月前
|
传感器 监控 供应链
物联网怎么推动工业数字化转型?
物联网(Internet of Things,loT)是指通过信息传感设备,如射频识别(RFID)、红外感应器、全球定位系统、激光扫描器等装置,按约定的协议,将任何物品与互联网连接起来,进行信息交换和通信,以实现智能化识别、定位、跟踪、监控和管理的一种网络。
59 0
|
6月前
|
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
|
7月前
|
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。
|
8月前
|
传感器 机器学习/深度学习 监控
物联网技术在工业自动化中的实时故障诊断与维护
物联网技术在工业自动化中的实时故障诊断与维护
|
9月前
|
传感器 机器学习/深度学习 算法
LabVIEW开发工业物联网状态监测
LabVIEW开发工业物联网状态监测
96 2
|
9月前
|
传感器 人工智能 供应链
工业物联网(IIoT)及其在制造业的应用
【5月更文挑战第31天】工业物联网(IIoT)驱动制造业变革,实现设备预测性维护、生产流程优化、供应链智能化及质量控制。Python示例展示数据获取,但面临数据安全、设备兼容性挑战。IIoT将结合AI、大数据,推动制造业创新与转型,助力企业提升竞争力,为制造业可持续发展注入新动力。
173 0
|
9月前
|
NoSQL 物联网 大数据
【补充】助力工业物联网,工业大数据之AirFlow安装
【补充】助力工业物联网,工业大数据之AirFlow安装
103 1