拟上传明细

select a.YiLiaoDH, b.YiBaoBM,c.HiYaoming,b.YiYuanBM,b.YaoPinMC, b.ShouFeiLBYB, c.YaoPinLB, c.ZhenLiaoDJ,
   '' as JiXing, '' as GuiGe,c.ChanDi,b.DanWei,c.YongFa,b.DanJia, b.ShuLiang, b.ZiFuBL, b.ZongFY, b.ZiFeiFY,
    b.ZiLiFY,b.YiBaoFY, a.JiaoYiSJ
  from Z_Reg_Charge a, Z_Reg_ChargeDetail b, vZ_Dict_AllItem c
  where a.DanJuID=b.DanJuID and a.YiLiaoDH=b.YiLiaoDH and b.YiYuanBM=c.YaoPinID
  and convert(varchar(10),JiaoYiSJ,120) between '2008-04-17' and '2008-04-17'
  and TransFlag=1
  union all
  select a.YiLiaoDH, b.YiBaoBM,c.HiYaoming,
  YiYuanBM=(case when c.yaopinjx='复方(甲类)' and FuFangBZ=0 then c.YaoPinID+'1'
             when c.yaopinjx='复方(甲类)' and FuFangBZ=1 then c.YaoPinID+'2' else c.YaoPinID end),
  b.YaoPinMC, b.ShouFeiLBYB,c.YaoPinLB, c.ZhenLiaoDJ,
  b.JiXing, b.GuiGe,c.ChanDi,b.DanWei,
  YongFa=(case when (d.PinCi is not null and d.YongLiang is not null) then (e.PinCiMC+',每次'+d.YongLiang) else '' end),
  b.DanJia, b.ShuLiang, b.ZiFuBL, b.ZongFY, b.ZiFeiFY,
  b.ZiLiFY,b.YiBaoFY, a.JiaoYiSJ
  from Z_Out_Clinic a inner join ( select sum(ShuLiang) as ShuLiang,sum(ZongFY) as ZongFY,sum(ZiFeiFY) as ZiFeiFY,
  sum(ZiLiFY) as ZiLiFY,sum(YiBaoFY) as YiBaoFY,SerialNo,YiLiaoDH,DanJuID,YiYuanBM,YiBaoBM,
  YaoPinMC,ShouFeiLBYB,JiXing,GuiGe,DanWei,DanJia,ZiFuBL,FuFangBZ from Z_Out_ClinicDetail
  where TransFlag=1
  group by SerialNo,YiLiaoDH,DanJuID,YiYuanBM,YiBaoBM,
  YaoPinMC,ShouFeiLBYB,JiXing,GuiGe,DanWei,DanJia,ZiFuBL,FuFangBZ) b on a.DanJuID=b.DanJuID and a.YiLiaoDH=b.YiLiaoDH
  inner join vZ_Dict_AllItem c on b.YiYuanBM=c.YaoPinID
  inner join Z_Out_ClinicDetailExt d on b.SerialNo=d.SerialNo and b.YiYuanBM=d.YaoPinID
  left outer join Dict_Sys_Channel e on d.PinCi=e.PinCiBM
  where convert(varchar(10),JiaoYiSJ,120) between '2008-04-17' and '2008-04-17'

转载于:https://www.cnblogs.com/zsdentist/articles/1562696.html

功能1. 订单全流程数据分析与可视化:​ 利用 Hadoop 处理美团外卖订单数据(订单 ID、用户 ID、商家 ID、骑手 ID、下单时间、送达时间、商品清单、订单金额、配送距离、用户评价等),通过 Hive 进行数据清洗、格式转换与聚合计算。使用可视化工具,以漏斗图展示从下单到完成的订单流失环节;用折线图分析不同时段(早午晚餐、节假日)的订单量变化趋势;以地图热力图呈现区域订单密度分布,帮助平台优化资源调配,提升订单完成率。​ 功能2. 骑手配送效率分析与可视化优化:​ 通过 Hadoop 存储骑手配送数据(骑手 ID、接单时间、取餐时间、送餐时间、配送里程、异常订单记录等),利用 Hive 计算骑手平均配送时长、准时率、单日接单量等指标。使用可视化工具,在地图上标注骑手实时位置与配送路线;以仪表盘展示骑手绩效排名;用甘特图对比不同骑手的订单处理节奏,为骑手排班、奖惩制度制定提供数据支持,提高整体配送效率。​ 功能3. 商家经营状况分析与可视化评估:​ 基于商家数据(商家 ID、商品类别、菜品销量、用户评分、差评原因、营业时长、促销活动记录等),运用 Hadoop 与 Hive 分析商家销售额、复购率、用户满意度等核心指标。使用可视化工具,以柱状图对比同类商家的销量与评分;用词云图提取差评高频关键词;通过折线图展示促销活动对销量的影响,帮助商家优化菜品结构、调整营销策略,同时为平台筛选优质商家提供依据。​ 功能4. 用户消费行为与偏好分析可视化:​ 借助 Hadoop 处理用户行为数据(用户 ID、订单频次、消费金额、商品品类偏好、支付方式、评价习惯等),通过 Hive 挖掘用户消费特征。使用可视化工具,以饼图展示用户消费金额分布区间;用热力图呈现用户下单时段与品类的关联;通过用户画像仪表盘展示高价值用户特征,助力平台实现精准营销、个性化推荐,提升用户粘性。​ 功能5. 热门菜品与区域消费趋势可视化:​ 利用 Hadoop 对菜品销售数据(菜品 ID、所属商家、销量、销售额、地域分布等)进行分析,通过 Hive 统计不同区域、时段的热门菜品及销量变化。使用可视化工具,在地图上标注各区域的。 怎么完成上述五个功能,我没有数据,帮我造每个功能两万个数据
最新发布
06-11
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值