实现思路

因为设备平台相关指标都是针对公用字段，例如，platform、net、brand、model和os的统计，所以用DWD层的任何一张表都可以完成统计，这里采用dwd_app_open表。

• 首先，利用星型模型，基于dwd_app_open表，在DWS层构建对应的六张维度表，对应的表名如下。

  • 设备平台活跃用户分布：dws_user_platform_distrib。

  • Android系统活跃用户分布：dws_user_android_os_distrib。

  • IOS系统活跃用户分布：dws_user_ios_os_distrib。

  • 设备品牌活跃用户分布：dws_user_brand_distrib。

  • 设备型号活跃用户分布：dws_user_model_distrib。

  • 网络类型活跃用户分布：dws_user_net_distrib。

• 然后，在DWS层基于以上的六张维度表，创建对应的维度聚合表，按天创建分区。

• 接着，基于DWS层的聚合数据，再执行全局聚合计算（不按日期统计），并将最终聚合的结果保存到APP层对应的表中，对应的表名如下。

  • 设备平台活跃用户分布：app_user_platform_distrib。

  • Android系统活跃用户分布：app_user_android_os_distrib。

  • IOS系统活跃用户分布：app_user_ios_os_distrib。

  • 设备品牌活跃用户分布：app_user_brand_distrib。

  • 设备型号活跃用户分布：app_user_model_distrib。

  • 网络类型活跃用户分布：app_user_net_distrib。

• 最后，每天为APP层重新生成全局数据。

实现思路

• 因为每日Android系统不同APP版本闪退数和每日IOS系统不同APP版本闪退数这两个指标，其实是对每日设备平台闪退总计指标的扩展。

• 使用DWD层的dwd_app_collapse表进行统计，但要依据platform和code进行分组，将聚合结果保存到DWS层的dws_app_collapse_all表中。

• 然后再基于dws_app_collapse_all表就可以统计出这三个指标了。

• 最后，将统计结果保存在APP层对应的表中，对应的表名如下。

  • 每日设备平台闪退总计：：app_app_collapse_all。

  • 每日Android系统不同APP版本闪退数：app_app_collapse_android。

  • 每日IOS系统不同APP版本闪退数：app_app_collapse_ios。

实现思路

• 实现日活用户量的思路：可以直接使用DWS层的dws_app_open_history表，直接统计记录数量即可获得日活用户量，并将最终结果保存到APP层的app_user_active表中。

• 实现日活用户量的环/同比的思路：直接基于app_user_active表进行计算，然后将结果保存到app_user_active_count表。

实现思路

所谓流失用户，就是加入某个用户在2024-01-01注册或使用了APP后，直到2024-01-08这7天内都未再次打开APP，那么就认为该用户已流失。

可以这样来实现。

• 首先，基于DWS层的dws_app_open_history表，获取最近8天的新增或者活跃用户数据，根据did分组，获得它对应的多个日期。

• 然后，对did相应的日期进行过滤，获取其中最大的日期，并判断该日期是否等于当前日期 - 7，如果满足则说明该用户已流失。

• 接着，将满足条件的用户数据保存到DWS层的dws_user_lost表中。

• 最后，对dws_user_lost表中的数据进行聚合统计，获得用户7日流失数量，保存到APP层的app_user_lost表中。

实现思路

• 实现每日人均启动APP数统计的步骤。

  • 首先，基于DWS层的dws_app_open_history表的num字段求pv（也就是当日总人数）和uv（也就是当日所有用户启动APP的总数）。

  • 然后，将pv、uv以及它们相除的结果保存到APP层的app_user_open_average表中。

• 实现每日APP启动数分布统计的步骤。

  • 首先，同样基于DWS层的dws_app_open_history表的num字段，分别统计num=1、num=2和num>=3的记录条数。

  • 然后，将计算结果保存到APP层的app_user_open_distrib表中。

实现思路

与衡量新增用户数相关的数据存储分别在ODS层的ods_app_open表和DWD层的dwd_app_open表，但ODS层的表基本上不会用到。

• 实现每日新增的用户数统计的步骤。

  • 首先，创建历史表dws_app_open_history，它包含有did字段，并且针对每天的数据对did进行去重。

  • 然后，产生一个临时表dws_app_open_yyyyMMdd_tmp（yyyyMMdd表示每天的日期）。

  • 之后，将临时表和历史表通过did字段执行LEFT JOIN，此时dws_app_open_history中did字段为null的用户（也就是没关联到的）就是当日新增用户。

  • 接着，将计算出来的每日新增用户数据保存到dws_user_daily_increment（按天分区）。

  • 最后，对dws_user_daily_increment表中的数据进行聚合，将结果保存到app_user_daily_increment表中。

  注意：完成计算后，还需要将临时表dws_app_open_yyyyMMdd_tmp中的数据保存到dws_app_open_history表，然后记得删除临时表。

• 实现每日新增用户数的环/同比统计的步骤。

  • 日环比：（当天数据 - 前一天数据） / 前一天数据。

  • 周同比：（当天数据 - 前一周数据） / 前一周数据。

  • 环比和同比都基于app_user_daily_increment表进行聚合统计。

  • 环比和同比的计算结果保存到app_user_daily_increment_count表。