作者：李黎 更多内容詳見資料中台官網
https://dp.alibaba.com導讀：之前給大家介紹了 Dataphin 的主題式資料查詢的相關内容，今天就通過一個案例給大家帶來一些基于Dataphin 提供的邏輯 SQL 進行主題式查詢使用上的小竅門，希望能幫助大家更好的使用 Dataphin 進行主題式查詢。
背景：某企業周年慶推出了一些營銷活動，老闆想檢視一下各個門店的在這次活動中的營銷效果如何，剛剛學會使用Dataphin的小D接到了這個任務，信心滿滿。整個過程分為資料準備、分析思路建構和執行（執行前進行基本的資料探查式分析）。
一、資料準備：
基于Dataphin的規範模組化功能小D建立了如下圖所示的邏輯模型，以活動為中心，同時關聯了參與活動的相關門店資訊。這樣，所有需要分析的活動相關的資料基本上都已經在這個“活動事實表”中可以擷取到了。
二、分析思路建構：
營銷效果的分析，目的是客觀呈現門店的情況，同時發現其中的問題。是以采用了總、分、對比及專項問題探索的方式進行分析。
1、總：對活動總體情況進行分析，宏觀了解活動總體體量；
2、分：拆解至地域（省份、城市）、管道（門店）、時間（各月份），進行細項的了解和檢視；
3、對比：分析中常見的方式是橫向對比（如門店間、城市間等）、縱向對比（時間趨勢、同環比）；
4、專項：定義潛在的問題專項，專題量化分析，如門店活動執行率優/劣、營收貢獻度的情況；
三、執行：
在實際執行前，小D主要工作是進行資料的探查。這個時候就要發揮前面準備的資料邏輯表的威力啦！
幾秒鐘的功夫，想要的資料就已經擷取到啦！小D心花怒放。
這裡小編追加給一個小竅門哦！
考慮到邏輯表的字段很多，且是星型模型的，Dataphin 邏輯 SQL 對邏輯SQL的SELECT 進行了一定傳回結果字段限制，即：SELECT 隻會傳回目前邏輯表主表的字段（目前例子中是活動事實表忠心部分的内容），不會傳回引用表（目前例子中的活動次元表）的字段。
如果要查詢引用表字段，可以通過這樣方式：
2、接着，小D決定對活動執行率進行專項分析下：查詢浙江省今年8月份，實際做活動産場次小于計劃活動場次的門店情況：
這裡小編再給一個竅門哦！
邏輯表通常是通過星型模型進行組織，是以使用中可以從一張邏輯表出發，通過引用關系通路其他多張表的字段。
比如小D想擷取 dim_shop 維表中的店鋪資訊，通過關聯查詢語句 a.dim_shop.xxx 就可以直接查詢得到。
要注意的是，引用邏輯表的通路，采用的是角色名而不是邏輯表名，dim_shop就是角色名。類比面向對象方法，一個對象有多個執行個體，在Dataphin中，邏輯表就相當于對象，角色則相當于執行個體。因為有可能多個字段引用了同一張邏輯表，而邏輯表含義(執行個體)其實已經不同了，是以需要通過角色來進行區分。比如：交易活動中，買家和賣家的基本資訊都是來自會員表，那麼會員表就會在這個邏輯模型中出現兩次，一次角色為買家表、另一次角色為賣家表，其中涉及的字段都是一樣的。
于是隻用了幾分鐘，小D又完成了一個分析名額。還好之前認真看了使用者指南，現在查詢起來手到擒來，小D暗喜。
3、最後，小D 決定對活動銷售金額貢獻度專題分析下，查詢 19 年 11 月上半月門店銷售額大于1萬所在的城市情況：
如果沒有在Dataphin中建好的邏輯模型，小D需要執行如下 SQL語句獲得結果：
需要注意的是關于時間分區的使用：
如果查詢語句中顯式指定分區，Dataphin 會按照分區進行對齊查詢這個邏輯表對應的各項資料的時間分區；
如果沒有指定引用表分區（主表分區必須指定），将出現資料關聯暴漲、資料傾斜等可能影響資料查詢結果或查詢時間的情況，是以我們提供了分區的預設指定（引用表預設分區規則：主表分區限定的最大值；如本例中，預設用了主表分區最大值'20191115'）。
對比下來，效率真是提升了不少呢，出錯幾率也大大降低了。
接下來，小D針對探索的資料情況，将進行系統性的資料查詢和資料分析報告撰寫啦！
最後小編再給一個竅門哦！
Dataphin的邏輯表打通阿裡雲BI工具Quick BI的功能即将上線，探查完資料後，分析可以到Quick BI中拖拉拽、可視化地完成，導出報告遞交老闆，效率杠杠滴！！
歡迎大家跟小D一起來體驗Dataphin，在業務場景中使用上述小技巧，提升研發效率、探索資料價值哦~
更多内容詳見資料中台官網