电子商城如果对大数据应用好的话，可以在很大程度上提升业绩。以下就让我们看看，电子商城可以怎么玩销售数据
业务信息
首先，简单了解下电子商城，对于大多数电子商城，一般都有如下业务信息：
1：产品信息 产品大类、产品小类、产品
2：销售信息 订单号、产品、购买数量、购买时间
3：用户 用户名、手机号、收货地址（默认、常用等）=》可以解析出用户真实所在城市
现在我们来算几个简单的东西
1、PV
关于PV，我们按日对某项业务或者行为做统计，最终展现以下结果：
按日统计：计算出当日PV，默认展现最近30天pv
按周统计：计算当周PV，默认展现最近1年各周pv
按月统计：计算当月PV，默认展现最近一年各周pv
按年统计：计算当年PV，默认展现最近5年pv
总PV：历史总pv
当日各小时：当前1小时，默认展现当日每个小时pv
思路：按日、周、月、年可以使用批处理作业，算完历史之后，每日增量处理。写入关系数据库
当日个小时统计：使用实时作业处理，每10秒处理一次，处理结果写入mysql，前段展现时进行汇总。
2、UV
关于UV，我们按日对某项业务或者行为做统计，最终展现以下结果：
按日统计：计算出当日UV，默认展现最近30天UV
按周统计：计算当周UV，默认展现最近1年各周UV
按月统计：计算当月UV，默认展现最近一年各周UV
按年统计：计算当年UV，默认展现最近5年UV
总UV：历史总UV
当日各小时：当前1小时，默认展现当日每个小时UV
思路：按日、周、月、年、总pv，可以使用批处理作业，先按日对数据distinct，之后，然后，对数据按日期（转换为相应的日、周、月、年、null）后进行count distinct，最后，将结果写入mysql
当日个小时统计：使用实时作业处理，每10秒对数据distinct一次，写入hdfs，后边跟一个批作业，每小时对数据做一次聚合得到结果，写入关系数据库，
下边看看这几个业务怎么利用上边去实现：
1、最近30天，北京地区购买A产品的男性用户也购买了那些产品
首先上边北京、男性怎么来的，
A：用户所属区域：可以通过收货地址或者手机归属地解析得出
B：男性：可以通过客户注册资料
为啥要加这三个（时间、区域、性别）：
首先，不同地区的客户消费习惯不会太相同，若是你把西藏购买者的购买产品推荐给北京，估计客户会不买账。
其次：不同性别的消费习惯会相差很大，这个就不说了，从男女逛商场的行为就可以看出来。另外：在重要节日，有的产品具有性别特性，比如，女性洁面奶，你推荐给男性，估计客户直接回跳过。
最后，很多产品都有实效性，比如，凉鞋，裙子。你夏天推荐裙子，冬天推荐冲锋衣，估计会被客户骂成SB。当然，30天是我人为定义出来的一个时间段，你可以通过大数据分析出来真正合适的值。
最后说实现思路：
假如上边的PV算出来的结果是
用户、性别、地区、购买日期、购买产品
那么，首先算出最近30天那些人买了A产品，select distinct 用户 from tablepv where 购买产品 ='A' and 性别='男' and province ='北京' and 当前时间-购买时间<=30天 ，假设结果是 张三、李四、王五
其次：算出这些人都购买了那些产品：
select product,count(distinct 用户) as 人数
from tablepv
where 用户 in （ 张三、李四、王五） and 购买产品 <> 'A' and 性别='男' and province ='北京' and 当前时间-购买时间<=30天
group by product
order by count(distinct 用户)
2、各种排行
A：给所有用户的
当日热销商品排行（销售量、销售额）
当月热销商品排行（销售量、销售额）
当日店铺排行榜：销售量
当月店铺排行榜：销售量
当日最赞商品排行：产品被赞数量
当月最赞产品排行：产品被赞数量
B:给店铺的
当日本店铺热销产品排行（销售量、销售额）
当月本店铺热销产品排行（销售量、销售额）
C:给商城自营产品的
当日热销产品行业榜（销售量、销售额）
当月热销产品行业榜（销售量、销售额）
最后是大招
各月热销产品榜：
各月热销产品所属小类榜：
这个怎么用呢，首先，可以根据这个分析出来，每个月、季热卖产品分类，其次，我们可以找出这些分类下都有哪些样例产品销售量、销售额最火爆，这样，商城就可以提前进货，赚一把了。