宿迁用户去往外地分析

  1. 数据抽取

    将几张表中的数据放到一张表中

    select s_cycle_date as f_date,roam_prov_id,mdn,mdn_city_id into tmp_qgj_sqmy from mpm00005 where roam_prov_id<>1 and mdn_city_id=9

   insert into tmp_qgj_sqmy select s_cycle_date as f_date,roam_prov_id,mdn,mdn_city_id  from mpm00006
    where roam_prov_id<>1 and mdn_city_id=9
   insert into tmp_qgj_sqmy select s_cycle_date as f_date,roam_prov_id,mdn,mdn_city_id  from mpm00007
   where roam_prov_id<>1 and mdn_city_id=9
   insert into tmp_qgj_sqmy select s_cycle_date as f_date,roam_prov_id,mdn,mdn_city_id  from mpm00008
   where roam_prov_id<>1 and mdn_city_id=9
  insert into tmp_qgj_sqmy select s_cycle_date as f_date,roam_prov_id,mdn,mdn_city_id  from mpm00009
  where roam_prov_id<>1 and mdn_city_id=9
  insert into tmp_qgj_sqmy select s_cycle_date as f_date,roam_prov_id,mdn,mdn_city_id  from mpm00010
   where roam_prov_id<>1 and mdn_city_id=9
  insert into tmp_qgj_sqmy select s_cycle_date as f_date,roam_prov_id,mdn,mdn_city_id  from mpm00011
  where roam_prov_id<>1 and mdn_city_id=9

2.数据分析

宿迁用户在省内地市分布情况

 select count(distinct mdn)*5,cdr_city_id from tmp_gqj_sqwd group by cdr_city_id

 

 select f_date,sum(num)

from (select f_date,case when mdn_prov_id =1 then count(1)*5 else count(1)*8 end as num  

from (select f_date,mdn,mdn_prov_id 

from tmp_gqj_suqian a 

group by f_date,mdn,mdn_prov_id) T

group by f_date,mdn_prov_id) T2

group by f_date
时间: 2024-07-28 22:59:47

宿迁用户去往外地分析的相关文章

201310-安卓收集用户信息样本分析-willj[4st TeAm]

报告更新日期: 2013-10-14 样本发现日期: 2013-01-22 样本类型: Android 样本文件大小/被感染文件变化长度: 1.15 MB (1,209,713 字节) 样本文件MD5 校验值: 001769fd059d829a568b4196f07c6df9 壳信息:无 可能受到威胁的系统: Android OS 已知检测名称: Win32.Backdoor.Ginmaster.x 作者:willJ 简介 该样本为伪装成Android游戏盗取用户信息,病毒推广APP的木马. 详

unix &amp; linux oralce用户 内存使用分析

Linux********************************************************************************************************************************************************* --节点一11点半分析: [[email protected] /home/oracle]$ top -b -n 1 |grep oracle|awk '{print $6}'| a

【Python数据分析】用户通话行为分析

主要工作: 1.对从网上营业厅拿到的用户数据.xls文件,通过Python的xlrd进行解析,计算用户的主叫被叫次数,通话时间,通话时段. 2.使用matplotlib画图包,将分析的结果直观的绘制出来. 具体步骤: 1.分析须要的内容 excel文件中包含很多信息,我们分析的时候须要用到的包括,通话起始时间.通话时长.呼叫类型,号码. 使用xlrd模块,读取excel中的数据,用列表的形式保存下来. 1 #coding=utf-8 2 import xlrd 3 4 def readData(

Androidframework窃取用户隐私病毒分析

一. 恶意行为 1.病毒启动后申请root权限,hook系统服务进程,影响用户设备正常关机: 2.接收广播,私自进行拍照并上传至服务器等行为: 3.窃取用户短信,联系人,地理等信息并上传: 4.拦截短信并上传至服务器. 二. 流程图 三. 详细分析 1.软件自身dex分析 软件运行后启动服务com.phone.CService,调用hide()方法隐藏图标, 申请root权限 注册大量广播接收器: PictureAgainReceiver用于接收广播picture.again调用SelfCame

互联网金融平台用户产品偏好分析实例

目的:分析用户产品偏好支持产品区域化精准推送 所需数据:用户基本信息(区域.购买行为明细),所购产品利率(利率.次数).担保机构(担保机构名称.次数).产品期限(不同期限对应次数) 一.分析思路 1.分利率:统计每个用户投资不同利率产品的次数,依此计算用户对不同产品的选择比例(若利率选择较多,可分区间统计,例如4%-6%,6%-8%等) 2.分期限:计算思路类似于1 3.分担保机构:同理 二.分析过程 1.分利率 计算单用户利率占比 计算不同地区用户对对应利率的占比均值,若相加不等于100%需要

用户登录范例分析

多点登录 项目使用的是SSM(Spring SpringMVC Mybatis);到登录页面的流程: 项目启动欢迎界面: index.jsp 直接跳转:<%response.sendRedirect("/login/forwardLogin") %> >>请求到Controller的 forwardLogin()方法中: 1 @RequestMapping("/forwardLogin") 2 public ModelAndView forw

Linux用户管理-配置文件分析

Linux是个多用户多任务的分时操作系统,所有一个要使用系统资源的用户都必须先向系统管理员申请一个账号,然后以这个账号的身份进入系统.用户的账号一方面能帮助系统管理员对使用系统的用户进行跟踪,并控制他们对系统资源的访问:另一方面也能帮助用户组织文件,并为用户提供安全性保护.每个用户账号都拥有一个惟一的用户名和用户口令.用户在登录时键入正确的用户名和口令后,才能进入系统和自己的主目录. 配置文件: 用户信息文件:/etc/passwd 密码文件:/etc/shadow 用户组文件:/etc/gro

销量预测和用户行为的分析--基于ERP的交易数据

写在前面: 这段时间一直都在看一些机器学习方面的内容,其中又花了不少时间在推荐系统这块,然后自己做了一套简单的推荐系统,但是跑下来的结果总觉得有些差强人意,我在离线实验中得到Precision,Recall一般都只有15%左右,比起通常的机器学习算法动不动就90%以上的指标,这个我觉得显然是太低了,我觉得可能有如下理由导致的: 数据不完整,目前能拿到的数据也就是ERP里面的交易数据和各种主数据,但是在我看来,交易数据的权重在各种其他类型的数据中应该是最重要的,至少也是排在前列的,可能也是我的一厢

spark 大型项目实战(七):用户访问session分析(七) --数据库连接池原理

**文章地址:http://www.haha174.top/article/details/257789** 1.谈谈数据库连接池的原理 ------------- 这次我们采取技术演进的方式来谈谈数据库连接池的技术出现过程及其原理,以及当下最流行的开源数据库连接池jar包. 一.早期我们怎么进行数据库操作 1.原理:一般来说,java应用程序访问数据库的过程是: ①装载数据库驱动程序: ②通过jdbc建立数据库连接: ③访问数据库,执行sql语句: ④断开数据库连接. 2.代码 Public