Python+Superset:商业智能数据分析与实战 王国平 著 专业科技 文轩网

第1章  商业智能概述 1 1.1  商业智能简介 1 1.1.1  商业智能的发展 1 1.1.2  商业智能的价值 3 1.1.3  商业智能的流程 4 1.2  商业智能技术 4 1.2.1  数据仓库技术 4 1.2.2  ETL技术 6 1.2.3  数据可视化技术 6 1.3  几个概念的比较 10 1.3.1  商业智能与报表工具 10 1.3.2  商业智能与数据分析 11 1.3.3  商业智能与数据可视化 11 第2章  系统开发需求分析 12 2.1  项目背景概述 12 2.1.1  项目意义与需求 12 2.1.2  项目目标、系统设计与阶段划分 16 2.2  平台总体需求 18 2.2.1  平台总体规划 19 2.2.2  平台用户角色 20 2.3  解决方案概述 21 2.3.1  BI平台功能简介 21 2.3.2  BI平台总体架构 22 2.4  业务数据理解 23 2.4.1  表及其字段含义 24 2.4.2  重要需求点阐述 28 第3章  系统开发相关技术 31 3.1  系统主要软件 31 3.1.1  Hadoop 31 3.1.2  Python 34 3.1.3  Apache Superset 35 3.2  数据仓库技术 37 3.2.1  数据仓库构建过程 37 3.2.2  数据仓库拉链算法 38 3.3  Apache Superset的安装 39 3.3.1  在Docker中部署Apache Superset 39 3.3.2  在Windows下安装Apache Superset 44 第4章  Apache Superset连接数据源 47 4.1  读取本地数据 47 4.1.1  读取CSV文件 47 4.1.2  读取TXT文件 51 4.2  连接关系型数据库 51 4.2.1  安装驱动程序 52 4.2.2  配置连接参数 53 4.2.3  添加数据库表 58 第5章  Apache Superset基础操作 61 5.1  Apache Superset可视化分析 61 5.1.1  SQL Lab提取数据 61 5.1.2  制作报表与看板 64 5.2  Apache Superset用户管理 68 5.2.1  创建新的系统用户 68 5.2.2  删除已有系统用户 70 5.2.3  查看用户日志记录 71 5.3  Apache Superset角色管理 72 5.3.1  设置用户角色类型 73 5.3.2  创建新的用户角色 73 5.3.3  修改用户角色类型 75 5.4  Apache Superset看板设置与编辑 77 5.4.1  Apache Superset看板设置 77 5.4.2  Apache Superset看板编辑 81 第6章  Apache Superset前端集成开发 84 6.1  前端开发概述 84 6.1.1  HTML及其应用案例 84 6.1.2  JavaScript及其特点 88 6.2  系统参数设置 89 6.3  Apache Superset前端集成实战 90 6.3.1  报表嵌入Web页面 90 6.3.2  看板嵌入Web页面 97 第7章  Apache Superset系统性能优化 100 7.1  系统性能优化 100 7.2  搭建开发环境 102 7.2.1  Redis缓存概述 102 7.2.2  配置Redis环境 104 7.3  集成开发实战 106 7.3.1  测试集成前看板 106 7.3.2  刷新集成后看板 108 第8章  Apache Superset与数据仓库 109 8.1  数据仓库概述 109 8.1.1  传统数据仓库 109 8.1.2  大数据数据仓库 111 8.2  Apache Superset集成Hive 113 8.2.1  Hive数据仓库概述 113 8.2.2  搭建Hive开发环境 115 8.3  物流配送影响因素分析 117 第9章  Apache Superset与实时计算引擎 121 9.1  实时计算引擎概述 121 9.1.1  实时计算应用场景 121 9.1.2  实时计算重要架构 123 9.2  Apache Superset集成Presto 126 9.2.1  Presto计算引擎概述 126 9.2.2  搭建Presto开发环境 128 9.3  网购退货原因分析 132 9.3.1  网购退货主要原因 132 9.3.2  个人原因退货分析 134 第10章  Apache Superset与列式存储引擎 136 10.1  列式存储引擎 136 10.2  Apache Superset集成Vertica 138 10.2.1  Vertica存储引擎概述 138 10.2.2  搭建Vertica开发环境 140 10.3  客户流失原因分析 144 10.3.1  客户流失主要原因 144 10.3.2  客户流失服务因素分析 145 第11章  Apache Superset与联机分析处理 147 11.1  联机分析处理概述 147 11.1.1  联机分析处理特性 147 11.1.2  联机分析处理操作 149 11.2  Apache Superset集成ClickHouse 150 11.2.1  ClickHouse存储引擎概述 151 11.2.2  搭建ClickHouse开发环境 152 13.3  商家物流运营分析 155 11.3.1  物流运营主要模式 156 11.3.2  商家交货周期分析 157 第12章  Apache Superset与混合事务分析处理 159 12.1  混合事务分析处理 159 12.1.1  混合事务分析处理概述 159 12.1.2  混合事务分析处理操作 161 12.2  Apache Superset集成TiDB 163 12.2.1  TiDB存储引擎概述 163 12.2.2  搭建TiDB开发环境 166 12.3  物流配送沟通性 168 12.3.1  物流配送沟通性概述 169 12.3.2  物流配送沟通性分析 169 第13章  Apache Superset与数据湖引擎 172 13.1  数据湖引擎 172 13.1.1  数据湖引擎概述 172 13.1.2  数据湖与数据仓库 173 13.2  Apache Superset集成Dremio 174 13.2.1  Dremio引擎概述 175 13.2.2  搭建Dremio开发环境 176 13.3  客户流失价格因素 182 13.3.1  客户流失价格因素概述 182 13.3.2  客户流失价格因素分析 182 第14章  客户细分主题分析 184 14.1  客户细分的价值及其方法 184 14.1.1  客户细分的概念 184 14.1.2  客户细分的目的 185 14.1.3  客户细分的方法 185 14.2  基于客户属性的客户细分 187 14.2.1  提取SQL数据库数据 187 14.2.2  制作可视化分析报表 188 14.2.3  基于属性的细分看板 192 14.3  基于客户价值的客户细分 193 14.3.1  提取SQL数据库数据 193 14.3.2  制作可视化分析报表 194 14.3.3  基于价值的细分看板 198 14.4  基于消费行为的客户细分 199 14.4.1  RFM模型及客户价值类型 199 14.4.2  提取与清洗SQL数据 200 14.4.3  制作可视化分析报表 204 14.4.4  基于行为的细分看板 208 14.5  对细分客户进行营销 208 第15章  客户满意度主题分析 211 15.1  客户满意度概述 211 15.2  客户满意信赖度分析 214 15.3  客户满意专业度分析 215 15.4  客户满意有形度分析 217 15.5  客户满意同理度分析 218 15.6  客户满意反应度分析 220 15.7  提升客户满意度 221 附录A  安装Python 3.10.0 224 附录B  集群各节点的参数配置 228 B.1  Hadoop的参数配置 228 B.2  Hive的参数配置 231 B.3  集群的启动与关闭 233 附录C  数据源及其连接方式 234