FIT5137 Assignment 2 案例展示

概述

在FIT5137 Assignment 2中，任务是为M-Stay公司的运营数据库设计、开发并生成商业智能（BI）报告。M-Stay提供寄宿和租赁服务，管理着大量关于物业、房东、房源和预订等业务交易的信息。随着业务的扩展，公司决定建立一个数据仓库来提高分析效率和工作效率。该作业分为两个主要阶段：数据转换阶段和数据分析阶段。

A. 数据转换阶段

在第一阶段，要求学生设计M-Stay的星型或雪花型数据仓库模式，并执行相应的SQL创建数据仓库的事实表和维度表。该阶段的任务包括数据清理、数据仓库设计和实现。

数据清理

首先，进行数据清理操作，确保运营数据库中的数据符合要求。需要展示清理前后的数据变化，以及清理过程中使用的SQL查询。例如：

-- 查找有缺失值的数据
SELECT * FROM MStay.bookings WHERE cost IS NULL;

-- 清理操作：将缺失的成本字段填充为0
UPDATE MStay.bookings SET cost = 0 WHERE cost IS NULL;

展示清理前后数据的截图，并解释清理策略。

星型/雪花型模式设计

在设计数据仓库时，需要识别事实表和维度表。例如，事实表可以包括预订、评论和房源信息，维度表则可以包括时间、房源类型、价格区间等。如下图所示是星型模式示例：

            时间维度
               |
               v
  房源维度 --> 事实表 <-- 评论维度
               |
               v
            房东维度

设计任务 A：最高聚合级别
在设计任务A中，需创建最高聚合级别的星型模式，并识别相关的事实和维度。以下是一个关于房源和预订的查询示例，用来帮助识别事实和维度：

-- 查询2015年6月Facebook上发布的长期房源数量
SELECT COUNT(*) 
FROM MStay.listings
WHERE listing_duration = 'long-term' 
  AND channel = 'Facebook'
  AND EXTRACT(MONTH FROM listing_date) = 6 
  AND EXTRACT(YEAR FROM listing_date) = 2015;

设计任务 B：降低聚合级别
在设计任务B中，需建议几种方法以增加事实表的粒度。例如，可以通过增加更详细的时间维度（如按日或按小时）来减少聚合级别，或添加更多的属性来区分房源。

B. 数据分析阶段

在第二阶段，使用在设计任务A中创建的星型模式，进一步进行数据分析，生成商业智能报告。

SQL 数据分析查询示例
在星型模式基础上，可以编写SQL查询来分析数据。例如：

-- 计算2013年3月的平均预订成本
SELECT AVG(booking_cost) 
FROM MStay.bookings
WHERE EXTRACT(MONTH FROM booking_date) = 3
  AND EXTRACT(YEAR FROM booking_date) = 2013;

通过这些查询，分析数据中的重要模式或趋势，并撰写详细的分析报告。报告中需要突出显示显著的观察结果或模式，如“在夏季月份，预订数量显著增加”。

提交要求

步骤 1：报告

报告包含数据清理过程的说明、星型/雪花型模式的设计、SQL查询的执行截图以及分析发现。报告文件格式为PDF，命名为YourstudentID_A2_report.pdf。

步骤 2：海报

制作一页A4尺寸的海报，提取报告中的关键信息并以清晰简洁的方式展示。海报应重点突出数据分析的主要发现，并以图表和简短的说明为主。海报文件格式为PDF，命名为YourstudentID_A2_poster.pdf。

步骤 3：视频展示

准备一个5分钟的视频，展示你在报告和海报中提到的设计和发现。视频文件格式为MP4，命名为YourstudentID_A2_video.mp4。

最终提交

将上述三个文件打包压缩为一个ZIP文件，命名为A2_YourstudentID.zip，并通过Moodle提交。确保所有文件均已正确命名和包含在ZIP文件中。

注意事项

数据库设计部分应确保SQL查询高效且正确执行。
海报和视频展示应简洁明了，重点突出主要发现和设计思路。
确保按时提交作业，避免因延迟提交而受到分数扣减。

联系我们

WeChat：pythonyt001
Email: [email protected]