Python+Superset：商业智能数据分析与实战 王国平 2022年版

Python+Superset：商业智能数据分析与实战
作　者： 王国平 著
出版时间： 2022

内容简介
　　本书通过实际案例深入介绍了基于Python的开源商业智能工具Apache Superset。本书立足于为企业建立一套开源免费的BI（商业智能）数据分析平台，实现自助数据处理、数据分析、数据可视化，概述了该系统的基本情况、总体需求、解决方案和业务理解等。本书从企业BI系统建设的实际需求出发，详细阐述了商业智能系统开发的概念、流程及相关技术，同时结合实际案例介绍了基于Apache Superset的**且常用的商业智能技术，包括Redis、Hive、Presto、Vertica、ClickHouse、TiDB、Dremio等。
目录
第1章　商业智能概述/t1
1．1　商业智能简介/t1
1．1．1　商业智能的发展/t1
1．1．2　商业智能的价值/t3
1．1．3　商业智能的流程/t4
1．2　商业智能技术/t4
1．2．1　数据仓库技术/t4
1．2．2　ETL技术/t6
1．2．3　数据可视化技术/t6
1．3　几个概念的比较/t10
1．3．1　商业智能与报表工具/t10
1．3．2　商业智能与数据分析/t11
1．3．3　商业智能与数据可视化/t11
第2章　系统开发需求分析/t12
2．1　项目背景概述/t12
2．1．1　项目意义与需求/t12
2．1．2　项目目标、系统设计与阶段划分/t16
2．2　平台总体需求/t18
2．2．1　平台总体规划/t19
2．2．2　平台用户角色/t20
2．3　解决方案概述/t21
2．3．1　BI平台功能简介/t21
2．3．2　BI平台总体架构/t22
2．4　业务数据理解/t23
2．4．1　表及其字段含义/t24
2．4．2　重要需求点阐述/t28
第3章　系统开发相关技术/t31
3．1　系统主要软件/t31
3．1．1　Hadoop/t31
3．1．2　Python/t34
3．1．3　Apache Superset/t35
3．2　数据仓库技术/t37
3．2．1　数据仓库构建过程/t37
3．2．2　数据仓库拉链算法/t38
3．3　Apache Superset的安装/t39
3．3．1　在Docker中部署Apache Superset/t39
3．3．2　在Windows下安装Apache Superset/t44
第4章　Apache Superset连接数据源/t47
4．1　读取本地数据/t47
4．1．1　读取CSV文件/t47
4．1．2　读取TXT文件/t51
4．2　连接关系型数据库/t51
4．2．1　安装驱动程序/t52
4．2．2　配置连接参数/t53
4．2．3　添加数据库表/t58
第5章　Apache Superset基础操作/t61
5．1　Apache Superset可视化分析/t61
5．1．1　SQL Lab提取数据/t61
5．1．2　制作报表与看板/t64
5．2　Apache Superset用户管理/t68
5．2．1　创建新的系统用户/t68
5．2．2　删除已有系统用户/t70
5．2．3　查看用户日志记录/t71
5．3　Apache Superset角色管理/t72
5．3．1　设置用户角色类型/t73
5．3．2　创建新的用户角色/t73
5．3．3　修改用户角色类型/t75
5．4　Apache Superset看板设置与编辑/t77
5．4．1　Apache Superset看板设置/t77
5．4．2　Apache Superset看板编辑/t81
第6章　Apache Superset前端集成开发/t84
6．1　前端开发概述/t84
6．1．1　HTML及其应用案例/t84
6．1．2　JavaScript及其特点/t88
6．2　系统参数设置/t89
6．3　Apache Superset前端集成实战/t90
6．3．1　报表嵌入Web页面/t90
6．3．2　看板嵌入Web页面/t97
第7章　Apache Superset系统性能优化/t100
7．1　系统性能优化/t100
7．2　搭建开发环境/t102
7．2．1　Redis缓存概述/t102
7．2．2　配置Redis环境/t104
7．3　集成开发实战/t106
7．3．1　测试集成前看板/t106
7．3．2　刷新集成后看板/t108
第8章　Apache Superset与数据仓库/t109
8．1　数据仓库概述/t109
8．1．1　传统数据仓库/t109
8．1．2　大数据数据仓库/t111
8．2　Apache Superset集成Hive/t113
8．2．1　Hive数据仓库概述/t113
8．2．2　搭建Hive开发环境/t115
8．3　物流配送影响因素分析/t117
第9章　Apache Superset与实时计算引擎/t121
9．1　实时计算引擎概述/t121
9．1．1　实时计算应用场景/t121
9．1．2　实时计算重要架构/t123
9．2　Apache Superset集成Presto/t126
9．2．1　Presto计算引擎概述/t126
9．2．2　搭建Presto开发环境/t128
9．3　网购退货原因分析/t132
9．3．1　网购退货主要原因/t132
9．3．2　个人原因退货分析/t134
第10章　Apache Superset与列式存储引擎/t136
10．1　列式存储引擎/t136
10．2　Apache Superset集成Vertica/t138
10．2．1　Vertica存储引擎概述/t138
10．2．2　搭建Vertica开发环境/t140
10．3　客户流失原因分析/t144
10．3．1　客户流失主要原因/t144
10．3．2　客户流失服务因素分析/t145
第11章　Apache Superset与联机分析处理/t147
11．1　联机分析处理概述/t147
11．1．1　联机分析处理特性/t147
11．1．2　联机分析处理操作/t149
11．2　Apache Superset集成ClickHouse/t150
11．2．1　ClickHouse存储引擎概述/t151
11．2．2　搭建ClickHouse开发环境/t152
13．3　商家物流运营分析/t155
11．3．1　物流运营主要模式/t156
11．3．2　商家交货周期分析/t157
第12章　Apache Superset与混合事务分析处理/t159
12．1　混合事务分析处理/t159
12．1．1　混合事务分析处理概述/t159
12．1．2　混合事务分析处理操作/t161
12．2　Apache Superset集成TiDB/t163
12．2．1　TiDB存储引擎概述/t163
12．2．2　搭建TiDB开发环境/t166
12．3　物流配送沟通性/t168
12．3．1　物流配送沟通性概述/t169
12．3．2　物流配送沟通性分析/t169
第13章　Apache Superset与数据湖引擎/t172
13．1　数据湖引擎/t172
13．1．1　数据湖引擎概述/t172
13．1．2　数据湖与数据仓库/t173
13．2　Apache Superset集成Dremio/t174
13．2．1　Dremio引擎概述/t175
13．2．2　搭建Dremio开发环境/t176
13．3　客户流失价格因素/t182
13．3．1　客户流失价格因素概述/t182
13．3．2　客户流失价格因素分析/t182
第14章　客户细分主题分析/t184
14．1　客户细分的价值及其方法/t184
14．1．1　客户细分的概念/t184
14．1．2　客户细分的目的/t185
14．1．3　客户细分的方法/t185
14．2　基于客户属性的客户细分/t187
14．2．1　提取SQL数据库数据/t187
14．2．2　制作可视化分析报表/t188
14．2．3　基于属性的细分看板/t192
14．3　基于客户价值的客户细分/t193
14．3．1　提取SQL数据库数据/t193
14．3．2　制作可视化分析报表/t194
14．3．3　基于价值的细分看板/t198
14．4　基于消费行为的客户细分/t199
14．4．1　RFM模型及客户价值类型/t199
14．4．2　提取与清洗SQL数据/t200
14．4．3　制作可视化分析报表/t204
14．4．4　基于行为的细分看板/t208
14．5　对细分客户进行营销/t208
第15章　客户满意度主题分析/t211
15．1　客户满意度概述/t211
15．2　客户满意信赖度分析/t214
15．3　客户满意专业度分析/t215
15．4　客户满意有形度分析/t217
15．5　客户满意同理度分析/t218
15．6　客户满意反应度分析/t220
15．7　提升客户满意度/t221
附录A　安装Python 3．10．0/t224
附录B　集群各节点的参数配置/t228
B．1　Hadoop的参数配置/t228
B．2　Hive的参数配置/t231
B．3　集群的启动与关闭/t233
附录C　数据源及其连接方式/t234