特色函数
在 ToC 行业中，由于客户数量庞大（规模达到数万、十万甚至更多），难以以单个客户的视角观测数据的变化。通常需要根据一定规则对客户进行分类， 并从不同视角分析各类客户的数据表现，以此作为营销决策依据。典型的行业包括泛零售、金融证券以及政府财税等领域。在部分 ToB 行业中， 尤其是面向中小企业提供商品或服务的行业，也存在类似的需求。这些行业的客户分类方法相对灵活。尽管经过时间积累，已经形成了许多固化的分类规则， 但在实际数据分析中，这些固化分类与其他统计指标的组合方式往往无法固定化。要生成新的数据分析报告，仍需依赖数据工程师的支持。
除了基于聚合值规则对客户或商品进行分类外，客户标签或客户画像经常会被用于筛选数据，传统 BI 中，往往需要通过代码或大量 SQL，预先根据业务规则， 计算相应的标签值并存储在相应的数据库表中，实际使用时，通过编写查询 SQL 为业务部门提供服务。当计算标签的规则发变化时，或者增加新的标签时， 数据工程师需要重新开发。
在上述背景下，Agile Query 设计了
SEGMENT
函数，基于一系列聚合规则对指定的维度进行分类，同时，支持与其它聚合指标自由组合，
为数据分析师或运营人员提供自助式基于客户分类的数据统计。本文将详细介绍 SEGMENT
函数在分类统计场景下的各种形式的应用。
SEGMENT 函数介绍
SEGMENT(
caseWhenExpression,
column
[, filterExpression]
)
caseWhenExpression:
CASE WHEN booleanExpression THEN expression [ WHEN booleanExpression THEN expression ]* END
booleanExpression:
averageFunctionCall comparisonOperator numericalLiteral
| averageFunctionCall BETWEEN numericalLiteral AND numericalLiteral- caseWhenExpression：一种逻辑判断表达式，根据一个或多个聚合值的过滤规则，输出一个或多个分类结果
- column：通常为分类维度的主键，例如：customers.customer_id或products.product_id
- filterExpression：用于过滤分类数据的范围，例如：查看去年购买过某商品的客户，在今年购买了哪些商品，每商品的销售额是多少？
示例 1
SEGMENT(
CASE
WHEN COUNT(orders.order_id) > 10
AND SUM(order_details.quantity * order_details.unit_price) > 1000 THEN '高价值客户'
WHEN COUNT(orders.order_id) LBETWEEN 5 AND 10
AND SUM(order_details.quantity * order_details.unit_price) > 500 THEN '中等值客户'
WHEN COUNT(orders.order_id) LBETWEEN 2 AND 5
AND SUM(order_details.quantity * order_details.unit_price) > 100 THEN '一般客户'
ELSE '其它'
END,
customers.customer_id,
orders.order_date = LAST_YEARS(1)
)- LBETWEEN：为 Agile Query 内部关键字，主要为解决 SQL 中的BETWEEN为左右闭区间，而LBETWEEN为为左闭区间
- CASE表达式用于基于聚合值规则对客户进行分类，示例中基于订单数量和销售额对客户进行分类
- orders.order_date = LAST_YEARS(1)用于对过滤规则中数据进行过滤
- LAST_YEARS为动态时间函数，每次查询时会根据当前时间计算
示例
SQL
示例 2
SEGMENT(
CASE
WHEN COUNT_IF(products.product_name = '牛奶', orders.order_id) > 0 THEN '牛奶客'
WHEN COUNT_IF(products.product_name = '豬肉', orders.order_id) > 0 THEN '豬肉客'
WHEN COUNT_IF(products.product_name = '巧克力', orders.order_id) > 0 THEN '巧克力客'
WHEN COUNT_IF(products.product_name = '花生', orders.order_id) > 0 THEN '花生客'
WHEN COUNT_IF(products.product_name = '糖果', orders.order_id) > 0 THEN '糖果客'
ELSE '其它'
END,
customers.customer_id,
orders.order_date = LAST_YEARS(1)
)上述示例中，基于去年的数据识别一个客户是否购买过 ＂牛奶＂，＂豬肉＂，＂牛奶＂，＂巧克力＂，＂花生＂等商品，实际数据分析时， 会根据商品销售的优先级（商品销售对企业的重要性）对客户进行分类，也就是购买过＂牛奶＂的客户的重要性相比＂豬肉客＂更重要，更有经营的价值。
示例
SQL
其它示例
--海鲜客
SEGMENT(
CASE
WHEN COUNT_IF(categories.category_name = '海鮮', orders.order_id) > 0 THEN '是' ELSE '否'
END,
customers.customer_id,
orders.order_date = LAST_YEARS(1)
)示例
SQL
总结
SEGMENT
主要用于灵活的标签化数据筛选或基于自定义分类规则的数据分析。在营销场景中，通常需要根据多样化规则筛选客群，以推动后续的营销活动。
目前，市场上已有许多会员管理工具能够自动完成标签计算，但在新增或修改标签时，仍需重复开发和预计算。当需求不明确或设计不充分时，开发周期往往会因此延长。
SEGMENT
函数生成的 SQL 复杂度较高，在大数据量参与计算时可能导致计算瓶颈。然而，当计算涉及的最大数据量少于 1 亿行时，
在 MPP 型数据库中，通常可在数秒内完成。
尽管
SEGMENT
函数的计算复杂度较高，但在实际使用场景中，参与计算的数据量通常非常有限。经过时间维度筛选后，大多数情况下，计算数据量少于 1 亿行。
即使在超大数据量的情况下，MPP 数据库的计算引擎也能够在分钟级别完成查询。在一些中小零售企业中，数据体量基本在千万级别，所以 SEGMENT
函数在实际的数据分析场景中应用非常广泛。
全天候售后服务
7x24小时专业工程师品质服务
极速服务应答
秒级应答为业务保驾护航
客户价值为先
从服务价值到创造客户价值
全方位安全保障
私有化部署，充分保证数据安全
©2022-2025 上海磊数信息技术有限公司
沪ICP备2024066390号-1
沪ICP备2024066390号-1