第2章 搭建CRM项目开发环境-数据库的设计表设计原则，设计结构，实例2.1 CRM项目数据库设计2.1.1 数据库设计原则我们可以结合项目原型来考虑数据库设计，市场活动，用户，这些都是需要是持久化的，所以都需要设计成表。表和表之间通常还会有一定的关系。看每一个创建表单上都有哪些属性。1、所有的表来自于需求：名词，特别是业务相关的名词。理清名词之间的关系。
概念性的名词设计成表、说明性的名词
导读：随着 IT 时代步入到 DT 时代，从数据中挖掘价值已经变得越来越重要。数据仓库系统长期以来一直是企业 IT 架构的重要组成部分，并且逐步与大数据等技术相融合，已然成为建设数据文化的智慧型企业的必然措施。本文主要针对数据仓库建设中存在的 workflow 应用场景进行分析，结合数据仓库自身的特性，对现有 workflow 方式进行优化，提出了一套适用于数据仓库建设的 workflow 优化方
数据仓库在企业的应用 无论是Wal-Mart式的锦上添花，还是Sears式的雪中送炭，信息技术毕竟是工具而已，成功还需要企业的管理者、员工协同努力以及良好的商业环境。不过，Wal-Mart和Sears应该都会承认这一点：数据仓库是很棒的工具，尤其对于那些积累了海量数据并且希望从数字矿山掘金的企业而言。 在Wal-Mart(沃尔玛)公司，销售数据、库存数
点击上方蓝色字体，选择“设为星标”回复”面试“获取更多惊喜本期内容主要介绍使用Hive作为数据仓库的应用场景时，相应的库表结构如何设计。Hive数据仓库建立用户画像首先需要建立数据仓库，用...
转载
2021-12-01 09:59:24
8182阅读
导读本文主要包括两部分内容，第一部分会对零零散散进行了两个多月的用户画像评测做个简要回顾和总结，第二部分会对测试中用到的python大数据处理神器pandas做个整体介绍。Part1 用户画像评测回顾与总结1、为什么做用户画像评测？将时钟拨回到2018年初，大家迫切想打破以往资讯推荐无章可循的局面，而今日的推荐算法也似乎演成了神话，用户意图这个词在WiFi管家团队被一再提及，继而AI推荐布局被推到
数据仓库是面向主题的、集成的、不可更新的、随时间的变化而不断变化的，这些特点决定了数据仓库的系统设计不能采用同开发传统的OLTP数据库一样的设计方法。 数据仓库系统的原始需求不明确，且不断变化与增加，开发者最初不能确切了解到用户的明确而详细的需求，用户所能提供的无非是需求的大的方向以及部分需求，更不能较准确地预见到以后的需求。因此，采用原型法来进行数据仓库的开发是比较合适的，因为原型法
前言: 至于数据仓库架构该怎么建, 怎么优化, ETL怎么设计, 维度模型设计技巧等, 不在此讨论范围, 独立的讨论对于BI从业者来说如同天书, 不会有太多的感受和深入理解的, 因为太抽象, 很难与实际项目相结合. 另外关于数据仓库构建是"数据驱动", 还是"业务驱动", 通过本文会有一些见解.企业数据的整合与历史信息的存储; 二是支持BI的应用,所以数据仓库中有太多理论, 都是以围绕实
转载
2023-09-17 15:09:08
80阅读
这两天看书，发现了和数据仓库相关的还有一个叫ODS的概念，它是企业级的全局数据库，用于提供集成的，企业级一致的数据，包含如何从各个子系统中向ODS抽取数据以及面向主题的角度存储数据。 它和数据仓库的主要区别： 数据仓库是面向主题的、集成的、随时间变化的、非易失的、用于进行战略型决策的数据集合。 ODS是一个面向主题的、集成的、可变的、当前的细节数据集合，用于支持企业对
转载
2023-07-11 10:43:06
113阅读
范式建模Inmon提出的集线器的自上而下（EDW-DM）的数据仓库架构。操作型或事务型系统的数据源，通过ETL抽取转换和加载到数据仓库的ODS层，然后通过ODS的数据建设原子数据的数据仓库EDW，EDW不是多维格式的，不方便上层应用做数据分析，所以需要通过汇总建设成多维格式的数据集市层。优势：易于维护，高度集成；劣势：结构死板，部署周期较长范式建模应用在EDW层一个符合第三范式的关系必须具有以下三
? 本文目录?第五章——数据仓库与数据挖掘教程——第二版? 1、数据仓库的用户? 2、自动决策 和 决策支持系统? 课后习题? 数据仓库两类用户有什么本质的不同？? 为什么要增加数据冗余能提高查询速度？? 探索者所做的工作有哪些？? 简述数据仓库查询服务内容 ?第五章——数据仓库与数据挖掘教程——第二版? 1、数据仓库的用户数据仓库的用户分为哪两类？以及其特点？书P 96 - 5.1.1数据仓库
客户价值可以衡量客户对企业的相对重要性，是企业进行差异化决策的重要标准。 由此，通过客户价值分类可以为企业进行差异化营销策略奠定基础。 RFM模型对客户价值分类时非常简单的一种模型 以下从几大模块说一下个人对RFM模型的理解。1.RFM模型是什么按照客户的消费情况，
先把客户分为流失客户，不活跃客户，回流客户，活跃客户，新客户五类
RFM三个维度都是对这五类客户的划分，根据相互独立又不重不漏的原则
wget http://mirror.bit.edu.cn/apache/hive/hive-0.11.0/hive-0.11.0-bin.tar.gztar -xzvf hive-0.11.0-bin.tar.gzcdxport HIVE_HOME=/home/ysc/hive-0.1...
原创
2023-03-28 07:18:45
82阅读
数据仓库用于支持管理决策（主要区别于一般数据库：比较稳定 、存历史数据）有各自的服务战场实时交互性读写，这时候需要借助HBaseHBase与Hive构成互补Hive不支持更新、只支持批处理、执行延迟高Mahout支持很多机器学习方法用户接口模块驱动模块元数据存储模块、针对HIve延迟高的问题，出现了Impalastatestore跟...
原创
2021-08-02 15:41:09
311阅读
在前面的几篇博客中，博主不仅为大家介绍了匹配型标签和统计型标签的开发流程，还为大家科普了关于机器学习的一些"干货"，包括但不限于KMeans算法等…本篇博客，我们将正式开发一个基于RFM模型的挖掘型标签，对RFM不了解的朋友可以????大数据【企业级360°全方位用户画像】之RFM模型和KMeans聚类算法~ 我们
原创
2021-06-01 14:38:30
432阅读
在前面的几篇博客中，博主不仅为大家介绍了匹配型标签和统计型标签的开发流程
原创
2022-02-22 17:11:41
155阅读
在前面的几篇博客中，博主不仅为大家介绍了匹配型标签和统计型
原创
2022-12-11 22:17:05
117阅读
本文摘自赵宏田老师的：“用户画像：方法论与工程化解决方案”。搭建一套用户画像系统，整体的方案需要考虑8个模块的建设。 用户画像主要模块
用户画像基础： 需要了解、明确用户画像是什么、包含那些模块、数据仓库架构是什么样子、开发流程、表结构设计、ETL设计等。这些都是系统框架、系统规划。只有明确了方向和计划，后续才能做好项目排气和人员投入预算。这些规划对于评估每个开发阶段的重要指标和关键产出也
数据仓库，作为企业数据管理的重要组成部分，已经成为了越来越多企业的必备选择。那么，数据仓库的“牛”究竟在哪里呢？本文将从数据仓库的概念、优势、应用场景、案例分析以及未来趋势等方面进行探讨。一、数据仓库的概念和发展历史数据仓库（Data Warehouse）是一种集中的、长期保存的数据存储系统，用于支持企业的决策支持和数据分析。数据仓库通常由多个数据源、转换器、服务器等组成，其设计目标是能够方便地访
转载
2023-09-17 15:11:01
41阅读
