电商数据仓库搭建
整合多渠道电商数据,设计星型数仓架构并编写dbt清洗模型,输出分析看板底表。
功能与用途
本功能指导电商团队搭建统一的数据仓库体系。它涵盖从Shopify、WooCommerce等独立站抽取订单与客户数据,接入BigQuery或Snowflake等云端数仓,并运用dbt实现Staging与Mart分层建模和数据质量校验。最终为Looker Studio或Metabase等BI工具提供规范的星型分析宽表,解决多渠道数据割裂、口径不统一及复杂指标无法下钻的问题。使用需具备基础SQL与云平台操作知识。
适用场景
- 跨渠道收入统一核算:归集多平台订单与退款数据,统一定价与税费口径,生成全渠道对账与收入事实表。
- 营销与订单归因分析:关联广告投放支出与实际订单履约记录,构建精确的ROI计算与渠道转化模型。
- 客户LTV与复购分层:基于清洗后的客户历史购买明细,搭建首单标记与留存分析模型,支撑客群分层运营。
适用人群
- 电商数据分析师
- 数据工程师
- 跨境电商技术负责人
- 商业智能开发人员
使用步骤
- 选择并创建BigQuery或Snowflake等云端数仓实例与原始数据集。
- 通过Fivetran、Stitch或API管道将电商平台订单与客户数据抽取至数仓。
- 初始化dbt工程并配置Staging层,完成字段标准化清洗。
- 编写Mart层SQL构建业务事实表与维度表,并配置数据质量测试规则。
- 将生成的分析表连接至Looker Studio或Metabase等BI工具制作看板。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 电商
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-28
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Build a commerce data warehouse with star-schema tables, ETL pipelines, and dbt models for BigQuery, Snowflake, or Redshift analytics
依赖与权限
- 读取用户主动提供的内容