项目背景：关于adventure Works Cycles的公司信息
Adventure Works Cycles是AdventureWorks样本数据库所虚构的公司，这是一家大型跨国制造公司。该公司生产和销售金属和复合材料自行车到北美，欧洲和亚洲的商业市场。虽然其基地业务位于华盛顿州博塞尔，拥有290名员工，但几个区域销售团队遍布整个市场。 2000年，Adventure Works Cycles收购了一家位于墨西哥的小型制造工厂Importadores Neptuno。Importadores Neptuno为Adventure Works Cycles产品系列制造了几个关键子组件。这些子组件被运送到Bothell位置进行最终产品组装。2001年，Importadores Neptuno成为旅游自行车产品集团的唯一制造商和分销商。 在成功实现财政年度之后，Adventure Works Cycles希望通过下面三种方式扩大销售额，第一销售目标定位到最佳客户、第二通过外部网站扩展适用的产品、第三通过降低生产成本来降低销售成本其中关于客户类型、产品介绍、采购和供应商这三个方面来做一个简单的介绍客户类型Adventure Works Cycle这家公司的客户主要有两种:个体：这些客户购买商品是通过网上零售店铺商店。 这些是从Adventure Works Cycles销售代表处购买转售产品的零售店或批发店。产品介绍这家公司主要有下面四个产品线:Adventure Works Cycles 生产的自行车自行车部件，例如车轮，踏板或制动组件从供应商处购买的自行车服装，用于转售给Adventure Works Cycles的客户。从供应商处购买的自行车配件，用于转售给Adventure Works Cycles客户。采购和供应商方面在Adventure Works Cycles，采购部门购买用于制造Adventure Works Cycles自行车的原材料和零件。 Adventure Works Cycles还购买转售产品，如自行车服装和自行车附加装置，如水瓶和水泵。
项目数据描述：数据来源于adventure Works Cycles公司的的样本数据库，包括了公司4大应用场景的数据：Sales、Finance、Product、Manufacture
项目流程：
1.导入数据，转换数据格式，进行预处理，清洗，执行shell脚本导入到Hive数据库；
2.探索数据集并罗列分析指标；
3.提取数据并建立销售事实表，汇总数据建立数据仓库(Sales主题)，每日定时任务更新数据；
4.PowerBI连接Hive导入销售事实表和维度表，建立各指标可视化图表展示并发布到web；
具体需求操作：
1.首先用Pycharm导入原数据集，原数据格式为UTF-16，这里把它转换成UTF-8，紧接着进行分隔符转换；项目文件中有一个txt文件包含所有数据的表名及表字段，这里我用了正则把每一个表名和表的字段名提取出来，然后创建一个建表脚本，把刚才提取到的表名和字段名写在脚本里面，编写建表语句，接着创建一个插入数据脚本，把每个表中的数据插入到刚刚创建的对应表格中，两个脚本创建完之后，把代码放到linux服务器上，依次执行两个脚本，导入到Hive数据库中；
2.数据处理及导入完成了，紧接着要进行数据探索；
表主要分为事实表（Fact开头的）和 维度表（Dim开头的），两种表通过主键连接，表的设计结构为星型模型；
通过对每个数据表格的探索分析，这里我罗列出5个指标：
1).今天、昨天以及最近一周、一个月、一个季度、一年每个国家的产品销售情况以及销售额完成率；
2).每个洲、每个城市的销售额情况（按地理纬度展示）；
3).各年、季度、月、周的产品子类别销售趋势（期望销售额和实际销售额、期望订单量和实际订单量）；
4).每个大洲、每个国家的产品销售额、订单量以及利润情况；
5).价值客户：客户订购金额top20、客户订购数量top20、客户年收入以及各年龄段订购情况；
3.建立数据仓库汇总层：
数据仓库设计分为两层，一个是 ODS 基础层，一个是 DM 汇总层 。基础层存放的是基础数据既我们导入的数据，汇总层存放的则是我根据基础层加工生成的数据；
这里我新生成了两个事实表：fact_time、fact_internet，一个是按订购时间、销售区域主键进行分组，另一个是按订购时间、产品子类主键进行了分组。新增的字段有年份、季度、月份、周（由于原数据中只有订购日期，所以要自己从中取出年、季度、月以及周生成新的字段）、期望销售额、期望订单数量、客单价、平均成本、平均税费以及平均运费；把这两个SQL写入一个脚本中，使用crontab命令每天定时执行脚本，作用就是每天模拟产生销售数据插入到ods基础层，然后更新汇总层的数据；
4.PowerBI展示数据：
首先打开PowerBI连接Hive导入数据，然后开始制作报表，制作前要把表和表之间关联建立好；这里我一共制作了8页报表，使用书签实现页面之间的跳转；
第一页展示每个国家今天、昨天、最近一周、一个月、季度、以及最近一年的销售额排名前5产品销售情况以图表展现，展示销售额完成率，一卡片形式展示客单价、产品成品、平均税费、平均运费等；
第二页按地理维度展示每个国家每个地区的销售情况（以圆圈大小形式展现）；
后四页展示产品子类别销售趋势（周、月、季度、年）以及产品子类别销售额所占百分比；
第七页展示每个国家的销售趋势及利润情况（周、月、季度）；
最后一页则展示价值客户，客户订购次数top20、客户订购金额top20、客户年收入以及各年龄段的订购情况；
报表完成之后最后发布到web；
项目展示链接：
https://app.powerbi.com/view?r=eyJrIjoiMTc0Y2ViNjMtY2JkMC00YjViLTg3OGMtMTdlN2QwYjNiZmExIiwidCI6IjYwM2I2OTczLWY5NzgtNDEwYS1iNjAwLTM1OTlmOGI0NWFlZiJ9
项目架构：EXCEL , Python , SQL , shell , Hive , treesoft , PowerBI，阿里云服务器；
网友评论