第1章　商業(yè)智能概述\t1
1．1　商業(yè)智能簡(jiǎn)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(jià)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(cāng)庫(kù)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(gè)概念的比較\t10
1．3．1　商業(yè)智能與報(bào)表工具\(yùn)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(kāi)發(fā)需求分析\t12
2．1　項(xiàng)目背景概述\t12
2．1．1　項(xiàng)目意義與需求\t12
2．1．2　項(xiàng)目目標(biāo)、系統(tǒng)設(shè)計(jì)與階段劃分\t16
2．2　平臺(tái)總體需求\t18
2．2．1　平臺(tái)總體規(guī)劃\t19
2．2．2　平臺(tái)用戶(hù)角色\t20
2．3　解決方案概述\t21
2．3．1　BI平臺(tái)功能簡(jiǎn)介\t21
2．3．2　BI平臺(tái)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(diǎn)闡述\t28
第3章　系統(tǒng)開(kāi)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(cāng)庫(kù)技術(shù)\t37
3．2．1　數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建過(guò)程\t37
3．2．2　數(shù)據(jù)倉(cāng)庫(kù)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?cái)?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(kù)\t51
4．2．1　安裝驅(qū)動(dòng)程序\t52
4．2．2　配置連接參數(shù)\t53
4．2．3　添加數(shù)據(jù)庫(kù)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(bào)表與看板\t64
5．2　Apache Superset用戶(hù)管理\t68
5．2．1　創(chuàng)建新的系統(tǒng)用戶(hù)\t68
5．2．2　刪除已有系統(tǒng)用戶(hù)\t70
5．2．3　查看用戶(hù)日志記錄\t71
5．3　Apache Superset角色管理\t72
5．3．1　設(shè)置用戶(hù)角色類(lèi)型\t73
5．3．2　創(chuàng)建新的用戶(hù)角色\t73
5．3．3　修改用戶(hù)角色類(lèi)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(kāi)發(fā)\t84
6．1　前端開(kāi)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(diǎn)\t88
6．2　系統(tǒng)參數(shù)設(shè)置\t89
6．3　Apache Superset前端集成實(shí)戰(zhàn)\t90
6．3．1　報(bào)表嵌入Web頁(yè)面\t90
6．3．2　看板嵌入Web頁(yè)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(kāi)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(kāi)發(fā)實(shí)戰(zhàn)\t106
7．3．1　測(cè)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(cāng)庫(kù)\t109
8．1　數(shù)據(jù)倉(cāng)庫(kù)概述\t109
8．1．1　傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)\t109
8．1．2　大數(shù)據(jù)數(shù)據(jù)倉(cāng)庫(kù)\t111
8．2　Apache Superset集成Hive\t113
8．2．1　Hive數(shù)據(jù)倉(cāng)庫(kù)概述\t113
8．2．2　搭建Hive開(kāi)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(shí)時(shí)計(jì)算引擎\t121
9．1　實(shí)時(shí)計(jì)算引擎概述\t121
9．1．1　實(shí)時(shí)計(jì)算應(yīng)用場(chǎng)景\t121
9．1．2　實(shí)時(shí)計(jì)算重要架構(gòu)\t123
9．2　Apache Superset集成Presto\t126
9．2．1　Presto計(jì)算引擎概述\t126
9．2．2　搭建Presto開(kāi)發(fā)環(huán)境\t128
9．3　網(wǎng)購(gòu)?fù)素浽蚍治鯸t132
9．3．1　網(wǎng)購(gòu)?fù)素浿饕騖t132
9．3．2　個(gè)人原因退貨分析\t134
第10章　Apache Superset與列式存儲(chǔ)引擎\t136
10．1　列式存儲(chǔ)引擎\t136
10．2　Apache Superset集成Vertica\t138
10．2．1　Vertica存儲(chǔ)引擎概述\t138
10．2．2　搭建Vertica開(kāi)發(fā)環(huán)境\t140
10．3　客戶(hù)流失原因分析\t144
10．3．1　客戶(hù)流失主要原因\t144
10．3．2　客戶(hù)流失服務(wù)因素分析\t145
第11章　Apache Superset與聯(lián)機(jī)分析處理\t147
11．1　聯(lián)機(jī)分析處理概述\t147
11．1．1　聯(lián)機(jī)分析處理特性\t147
11．1．2　聯(lián)機(jī)分析處理操作\t149
11．2　Apache Superset集成ClickHouse\t150
11．2．1　ClickHouse存儲(chǔ)引擎概述\t151
11．2．2　搭建ClickHouse開(kāi)發(fā)環(huán)境\t152
13．3　商家物流運(yùn)營(yíng)分析\t155
11．3．1　物流運(yùn)營(yíng)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(chǔ)引擎概述\t163
12．2．2　搭建TiDB開(kāi)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(cāng)庫(kù)\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(kāi)發(fā)環(huán)境\t176
13．3　客戶(hù)流失價(jià)格因素\t182
13．3．1　客戶(hù)流失價(jià)格因素概述\t182
13．3．2　客戶(hù)流失價(jià)格因素分析\t182
第14章　客戶(hù)細(xì)分主題分析\t184
14．1　客戶(hù)細(xì)分的價(jià)值及其方法\t184
14．1．1　客戶(hù)細(xì)分的概念\t184
14．1．2　客戶(hù)細(xì)分的目的\t185
14．1．3　客戶(hù)細(xì)分的方法\t185
14．2　基于客戶(hù)屬性的客戶(hù)細(xì)分\t187
14．2．1　提取SQL數(shù)據(jù)庫(kù)數(shù)據(jù)\t187
14．2．2　制作可視化分析報(bào)表\t188
14．2．3　基于屬性的細(xì)分看板\t192
14．3　基于客戶(hù)價(jià)值的客戶(hù)細(xì)分\t193
14．3．1　提取SQL數(shù)據(jù)庫(kù)數(shù)據(jù)\t193
14．3．2　制作可視化分析報(bào)表\t194
14．3．3　基于價(jià)值的細(xì)分看板\t198
14．4　基于消費(fèi)行為的客戶(hù)細(xì)分\t199
14．4．1　RFM模型及客戶(hù)價(jià)值類(lèi)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(bào)表\t204
14．4．4　基于行為的細(xì)分看板\t208
14．5　對(duì)細(xì)分客戶(hù)進(jìn)行營(yíng)銷(xiāo)\t208
第15章　客戶(hù)滿(mǎn)意度主題分析\t211
15．1　客戶(hù)滿(mǎn)意度概述\t211
15．2　客戶(hù)滿(mǎn)意信賴(lài)度分析\t214
15．3　客戶(hù)滿(mǎn)意專(zhuān)業(yè)度分析\t215
15．4　客戶(hù)滿(mǎn)意有形度分析\t217
15．5　客戶(hù)滿(mǎn)意同理度分析\t218
15．6　客戶(hù)滿(mǎn)意反應(yīng)度分析\t220
15．7　提升客戶(hù)滿(mǎn)意度\t221
附錄A　安裝Python 3．10．0\t224
附錄B　集群各節(jié)點(diǎn)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(dòng)與關(guān)閉\t233
附錄C　數(shù)據(jù)源及其連接方式\t234