BigQuery 用于运行具有动态日期范围的不同值的计数答案

【问题标题】：BigQuery for running count of distinct values with a dynamic date-rangeBigQuery 用于运行具有动态日期范围的不同值的计数
【发布时间】：2022-02-14 19:25:52
【问题描述】：

我们正在尝试进行查询，以获取特定年份月份的唯一身份客户总数 + 特定日期前 364 天的唯一身份客户总数。

例如：

我们的客户表如下所示：

| order_date   | customer_unique_id |
| --------     | --------------     |
| 2020-01-01   | tom@email.com      |
| 2020-01-01   | daisy@email.com    |
| 2019-05-02   | tom@email.com      |

在此示例中，我们有两位客户在 2020 年 1 月 1 日订购，其中一位已在 364 天的时间范围内订购。

所需的表格应如下所示：

| year_month | unique_customers |
| --------   | --------------   |
| 2020-01    | 2                |

我们尝试了多种解决方案，例如分区和窗口，但似乎都无法正常工作。棘手的部分是独特性。我们想要 364 天前的外观，但想要基于整个期间而不是基于日期/年/月对客户进行不同的计数，因为那样我们会得到重复。例如，如果您按日期、年份或月份进行分区，tom@email.com 将被计算两次而不是一次。

此查询的目标是深入了解 12 个月内的订单频率（订单除以客户）。

我们使用 Google BigQuery。

希望有人可以帮助我们！ :)

【问题讨论】：

标签： sql google-bigquery

【解决方案1】：

这是实现您想要的结果的一种方法。请注意，此查询在单独的查询中进行年月联接，并将其与滚动的 364 天间隔查询联接。

with year_month_distincts as (
    select  
        concat(
           cast(extract(year from order_date) as string), 
           '-', 
           cast(extract(month from order_date) as string)
        ) as year_month,
        count(distinct customer_id) as ym_distincts
    from customer_table
    group by 1
)

select x.order_date, x.ytd_distincts, y.ym_distincts from (
    select 
       a. order_date,
       (select 
           count(distinct customer_id) 
        from customer_table b 
        where b.order_date between date_sub(a.order_date, interval 364 day) and a.order_date 
       ) as ytd_distincts 
    from orders a
    group by 1
) x
join year_month_distincts y on concat(
   cast(extract(year from x.order_date) as string), 
   '-', 
   cast(extract(month from x.order_date) as string)
) = y.year_month

【讨论】：

【解决方案2】：

使用数组的两个选项可能会有所帮助。

按要求回顾 364 天
如果您希望回顾 11 个月（假设报告是每月）

month_array AS (
  SELECT 
   DATE_TRUNC(order_date,month) AS order_month,
  STRING_AGG(DISTINCT customer_unique_id) AS cust_mth
  FROM customer_table
  GROUP BY 1
), 

year_array AS (
  SELECT
    order_month, 
   STRING_AGG(cust_mth) OVER(ORDER by UNIX_DATE(order_month) RANGE BETWEEN 364 PRECEDING AND CURRENT ROW) cust_12m
-- (option 2) STRING_AGG(cust_mth) OVER (ORDER by cast(format_date('%Y%m', order_month) as int64) RANGE BETWEEN 99 PRECEDING AND CURRENT ROW) AS cust_12m
FROM month_array
)

SELECT format_date('%Y-%m',order_month) year_month,  
  (SELECT COUNT(DISTINCT cust_unique_id) FROM UNNEST(SPLIT(cust_12m)) AS cust_unique_id) as unique_12m
FROM year_array

【讨论】：