Python+Superset：商業(yè)智能數(shù)據(jù)分析與實戰(zhàn)

第1章　商業(yè)智能概述\t1
1．1　商業(yè)智能簡介\t1
1．1．1　商業(yè)智能的發(fā)展\t1
1．1．2　商業(yè)智能的價值\t3
1．1．3　商業(yè)智能的流程\t4
1．2　商業(yè)智能技術(shù)\t4
1．2．1　數(shù)據(jù)倉庫技術(shù)\t4
1．2．2　ETL技術(shù)\t6
1．2．3　數(shù)據(jù)可視化技術(shù)\t6
1．3　幾個概念的比較\t10
1．3．1　商業(yè)智能與報表工具\t10
1．3．2　商業(yè)智能與數(shù)據(jù)分析\t11
1．3．3　商業(yè)智能與數(shù)據(jù)可視化\t11
第2章　系統(tǒng)開發(fā)需求分析\t12
2．1　項目背景概述\t12
2．1．1　項目意義與需求\t12
2．1．2　項目目標、系統(tǒng)設(shè)計與階段劃分\t16
2．2　平臺總體需求\t18
2．2．1　平臺總體規(guī)劃\t19
2．2．2　平臺用戶角色\t20
2．3　解決方案概述\t21
2．3．1　BI平臺功能簡介\t21
2．3．2　BI平臺總體架構(gòu)\t22
2．4　業(yè)務(wù)數(shù)據(jù)理解\t23
2．4．1　表及其字段含義\t24
2．4．2　重要需求點闡述\t28
第3章　系統(tǒng)開發(fā)相關(guān)技術(shù)\t31
3．1　系統(tǒng)主要軟件\t31
3．1．1　Hadoop\t31
3．1．2　Python\t34
3．1．3　Apache Superset\t35
3．2　數(shù)據(jù)倉庫技術(shù)\t37
3．2．1　數(shù)據(jù)倉庫構(gòu)建過程\t37
3．2．2　數(shù)據(jù)倉庫拉鏈算法\t38
3．3　Apache Superset的安裝\t39
3．3．1　在Docker中部署Apache Superset\t39
3．3．2　在Windows下安裝Apache Superset\t44
第4章　Apache Superset連接數(shù)據(jù)源\t47
4．1　讀取本地數(shù)據(jù)\t47
4．1．1　讀取CSV文件\t47
4．1．2　讀取TXT文件\t51
4．2　連接關(guān)系型數(shù)據(jù)庫\t51
4．2．1　安裝驅(qū)動程序\t52
4．2．2　配置連接參數(shù)\t53
4．2．3　添加數(shù)據(jù)庫表\t58
第5章　Apache Superset基礎(chǔ)操作\t61
5．1　Apache Superset可視化分析\t61
5．1．1　SQL Lab提取數(shù)據(jù)\t61
5．1．2　制作報表與看板\t64
5．2　Apache Superset用戶管理\t68
5．2．1　創(chuàng)建新的系統(tǒng)用戶\t68
5．2．2　刪除已有系統(tǒng)用戶\t70
5．2．3　查看用戶日志記錄\t71
5．3　Apache Superset角色管理\t72
5．3．1　設(shè)置用戶角色類型\t73
5．3．2　創(chuàng)建新的用戶角色\t73
5．3．3　修改用戶角色類型\t75
5．4　Apache Superset看板設(shè)置與編輯\t77
5．4．1　Apache Superset看板設(shè)置\t77
5．4．2　Apache Superset看板編輯\t81
第6章　Apache Superset前端集成開發(fā)\t84
6．1　前端開發(fā)概述\t84
6．1．1　HTML及其應(yīng)用案例\t84
6．1．2　JavaScript及其特點\t88
6．2　系統(tǒng)參數(shù)設(shè)置\t89
6．3　Apache Superset前端集成實戰(zhàn)\t90
6．3．1　報表嵌入Web頁面\t90
6．3．2　看板嵌入Web頁面\t97
第7章　Apache Superset系統(tǒng)性能優(yōu)化\t100
7．1　系統(tǒng)性能優(yōu)化\t100
7．2　搭建開發(fā)環(huán)境\t102
7．2．1　Redis緩存概述\t102
7．2．2　配置Redis環(huán)境\t104
7．3　集成開發(fā)實戰(zhàn)\t106
7．3．1　測試集成前看板\t106
7．3．2　刷新集成后看板\t108
第8章　Apache Superset與數(shù)據(jù)倉庫\t109
8．1　數(shù)據(jù)倉庫概述\t109
8．1．1　傳統(tǒng)數(shù)據(jù)倉庫\t109
8．1．2　大數(shù)據(jù)數(shù)據(jù)倉庫\t111
8．2　Apache Superset集成Hive\t113
8．2．1　Hive數(shù)據(jù)倉庫概述\t113
8．2．2　搭建Hive開發(fā)環(huán)境\t115
8．3　物流配送影響因素分析\t117
第9章　Apache Superset與實時計算引擎\t121
9．1　實時計算引擎概述\t121
9．1．1　實時計算應(yīng)用場景\t121
9．1．2　實時計算重要架構(gòu)\t123
9．2　Apache Superset集成Presto\t126
9．2．1　Presto計算引擎概述\t126
9．2．2　搭建Presto開發(fā)環(huán)境\t128
9．3　網(wǎng)購退貨原因分析\t132
9．3．1　網(wǎng)購退貨主要原因\t132
9．3．2　個人原因退貨分析\t134
第10章　Apache Superset與列式存儲引擎\t136
10．1　列式存儲引擎\t136
10．2　Apache Superset集成Vertica\t138
10．2．1　Vertica存儲引擎概述\t138
10．2．2　搭建Vertica開發(fā)環(huán)境\t140
10．3　客戶流失原因分析\t144
10．3．1　客戶流失主要原因\t144
10．3．2　客戶流失服務(wù)因素分析\t145
第11章　Apache Superset與聯(lián)機分析處理\t147
11．1　聯(lián)機分析處理概述\t147
11．1．1　聯(lián)機分析處理特性\t147
11．1．2　聯(lián)機分析處理操作\t149
11．2　Apache Superset集成ClickHouse\t150
11．2．1　ClickHouse存儲引擎概述\t151
11．2．2　搭建ClickHouse開發(fā)環(huán)境\t152
13．3　商家物流運營分析\t155
11．3．1　物流運營主要模式\t156
11．3．2　商家交貨周期分析\t157
第12章　Apache Superset與混合事務(wù)分析處理\t159
12．1　混合事務(wù)分析處理\t159
12．1．1　混合事務(wù)分析處理概述\t159
12．1．2　混合事務(wù)分析處理操作\t161
12．2　Apache Superset集成TiDB\t163
12．2．1　TiDB存儲引擎概述\t163
12．2．2　搭建TiDB開發(fā)環(huán)境\t166
12．3　物流配送溝通性\t168
12．3．1　物流配送溝通性概述\t169
12．3．2　物流配送溝通性分析\t169
第13章　Apache Superset與數(shù)據(jù)湖引擎\t172
13．1　數(shù)據(jù)湖引擎\t172
13．1．1　數(shù)據(jù)湖引擎概述\t172
13．1．2　數(shù)據(jù)湖與數(shù)據(jù)倉庫\t173
13．2　Apache Superset集成Dremio\t174
13．2．1　Dremio引擎概述\t175
13．2．2　搭建Dremio開發(fā)環(huán)境\t176
13．3　客戶流失價格因素\t182
13．3．1　客戶流失價格因素概述\t182
13．3．2　客戶流失價格因素分析\t182
第14章　客戶細分主題分析\t184
14．1　客戶細分的價值及其方法\t184
14．1．1　客戶細分的概念\t184
14．1．2　客戶細分的目的\t185
14．1．3　客戶細分的方法\t185
14．2　基于客戶屬性的客戶細分\t187
14．2．1　提取SQL數(shù)據(jù)庫數(shù)據(jù)\t187
14．2．2　制作可視化分析報表\t188
14．2．3　基于屬性的細分看板\t192
14．3　基于客戶價值的客戶細分\t193
14．3．1　提取SQL數(shù)據(jù)庫數(shù)據(jù)\t193
14．3．2　制作可視化分析報表\t194
14．3．3　基于價值的細分看板\t198
14．4　基于消費行為的客戶細分\t199
14．4．1　RFM模型及客戶價值類型\t199
14．4．2　提取與清洗SQL數(shù)據(jù)\t200
14．4．3　制作可視化分析報表\t204
14．4．4　基于行為的細分看板\t208
14．5　對細分客戶進行營銷\t208
第15章　客戶滿意度主題分析\t211
15．1　客戶滿意度概述\t211
15．2　客戶滿意信賴度分析\t214
15．3　客戶滿意專業(yè)度分析\t215
15．4　客戶滿意有形度分析\t217
15．5　客戶滿意同理度分析\t218
15．6　客戶滿意反應(yīng)度分析\t220
15．7　提升客戶滿意度\t221
附錄A　安裝Python 3．10．0\t224
附錄B　集群各節(jié)點的參數(shù)配置\t228
B．1　Hadoop的參數(shù)配置\t228
B．2　Hive的參數(shù)配置\t231
B．3　集群的啟動與關(guān)閉\t233
附錄C　數(shù)據(jù)源及其連接方式\t234