Google bigquery 使用BigQuery查找报告方法时的逻辑混乱

我对一项高度优先的任务失去了理智。任务是找到一种方法，在车辆共享应用程序中报告客户活动随时间的变化。我们有一个用BigQuery编写的视图，其中说明客户是否在30天或90天内积极使用该服务，以及他是否是一个经常使用该服务的用户。每月使用服务超过某一特定阈值的客户被称为高用户、超用户，分别按阈值划分。我们将用户分为30/90天活跃用户、非活跃用户、高/超活跃用户。但这一类别随着时间而变化。例如： -过去30天的活动用户可以成为非活动用户。 -从未使用过该服务的非活跃用户可能会突然成为本月的高/超用户，从下个月起可能根本不使用该服务

我们有客户使用的所有服务的数据

我真的很困惑，一直在寻找最佳策略来发现客户类型产生了多少价值和数量。我想在历史背景下报告这一点

任何想法都将受到高度赞赏。这对我现在来说非常重要，我真的被卡住了

这是我现在拥有的BigQuery视图的一部分

以下是列名的含义：

id：客户的id 非活动客户：从未使用过服务但已注册应用的客户

非活动客户：过去14天内未活动的客户 非活动客户：过去30天内未活动的客户

活动客户：如果客户在过去90天内使用了服务，则为1；否则为0

活动客户\u 30 \u int：如果客户在过去30天内使用了服务，则为1；否则为0

重度客户：如果客户在过去90天内使用的服务超过特定阈值，则为1，否则为0

重度客户\u 30 \u int：如果客户在过去30天内使用的服务超过特定阈值，则为1，否则为0

ultra_customer_int:如果客户使用的服务超过了非常高的阈值，则为1，否则为0

ultra_customer_30_int:1如果客户在30天内使用的服务超过非常高的阈值，则0否则

但每个月这种观点的结果都会发生变化。因此，客户类型也会发生变化（我的意思是列中的值会发生变化）。要求是在历史背景下报告这一点，以便我们了解客户如何随时间从一种类型转变为另一种类型

我不确定从视图中获取逻辑并每月运行查询并将数据保存到仓库中，并将日期映射到数据仓库是否是一个好主意？我认为通过这种方式，我可以知道特定月份用户的customertype，并通过这种方式跟踪客户类型的变化

---

请帮忙。谢谢。

如果您想报告某个时间点的客户群，那么构建存储这些信息的表可能会有所帮助，因为正如您所说的，如果您使用实时视图，只需显示“现在”即可

例如，如果您希望每月跟踪此更改，然后每月构建一个表*显示客户ID和每个ID所在的细分市场，然后您可以对照主数据库表交叉引用这些客户ID，并在组级别汇总统计数据

我在历史数据方面也遇到了同样的挑战，为了填充历史数据，我编写了一个python脚本，该脚本使用滚动窗口运行客户细分，以自动化时间回顾过程——假设您有数据，您也可以这样做。您可能还想在BigQueryUI中进行探索（在编写本文时是Beta版）

---

*这与power是您的视图的查询相同，但您可以将其保存在一个表中（可能带有数据戳），以显示它所对应的时间点。

如果您想报告客户群在某个时间点的情况，那么构建存储此信息的表可能会有所帮助，因为正如您所说的那样，如果你使用的是实时视图，那么只能显示“现在”

例如，如果您希望每月跟踪此更改，然后每月构建一个表*显示客户ID和每个ID所在的细分市场，然后您可以对照主数据库表交叉引用这些客户ID，并在组级别汇总统计数据

我在历史数据方面也遇到了同样的挑战，为了填充历史数据，我编写了一个python脚本，该脚本使用滚动窗口运行客户细分，以自动化时间回顾过程——假设您有数据，您也可以这样做。您可能还想在BigQueryUI中进行探索（在编写本文时是Beta版）

---

。*这将是与power的视图相同的查询，但您会保存在一个表中，可能带有数据戳，以显示它对应的时间点。

我也做了类似的事情，我必须构建一个组时间点表，以便能够说“这是组x在日期y上的性能”，因此对于每一天（追溯到您想要报告的历史时期）您将存储一个客户ID和他们当前的组状态。@BenP感谢您的精彩回复。这给了我一些前进的方向。现在我们有一个视图，它在查询结果的不同列中给出了用户对特定类别给出真/假值的当前状态。但是下个月可能会有所不同。您能不能查看有关实现逻辑的更多详细信息？当然可以，您可以用一些特定的问题更新您的原始问题，我将提供更详细的回答并尝试回答。@BenP我已经更新了问题，请现在检查我已经做了类似的事情，我必须建立一个小组时间点表，以便能够说“这是x组在y日的表现”，因此每天（追溯到您希望报告的历史日期），您都要存储一个客户ID和他们当前的组状态。@BenP谢谢您