章节5：模块综合实战 — 电商平台数据库设计与分析

一、学习目标

完成本章实战后，你将能够：

独立完成电商数据库从 ER 设计到物理建表的全流程
严格遵循三范式原则建立表关系并合理反范式优化
使用窗口函数、聚合函数、CTE 对用户行为日志进行深度 SQL 分析
产出完整的数据库设计文档，包含 ER 图描述、表结构定义与索引设计
编写可复用的复杂业务 SQL 查询案例

二、实战项目概述

项目背景

设计一个轻量级电商平台的数据库，支持：

用户注册与管理
商品分类与商品管理
购物车与下单流程
订单与支付管理
用户行为日志记录与分析

需求分析

模块	核心需求
用户	注册 / 登录 / 个人资料管理 / 收货地址
商品	多级分类 / SPU + SKU 架构 / 上下架
购物车	增删改商品 / 合并结算
订单	创建订单 / 订单状态流转 / 订单明细
日志	浏览 / 搜索 / 加购 / 下单行为记录

三、核心知识点

3.1 数据库设计（ER 图与三范式）

ER 图关系描述

用户 (User) ──1:N──> 收货地址 (Address)
用户 (User) ──1:N──> 购物车 (Cart)
用户 (User) ──1:N──> 订单 (Order)
商品分类 (Category) ──1:N──> 商品 (Product)
商品 (Product) ──1:N──> SKU (Sku)
购物车 (Cart) ──N:1──> SKU (Sku)
订单 (Order) ──1:N──> 订单明细 (OrderItem)
订单明细 (OrderItem) ──N:1──> SKU (Sku)
用户 (User) ──1:N──> 行为日志 (UserLog)
商品 (Product) ──1:N──> 行为日志 (UserLog)

DDL 建表语句（完整设计）

sql

-- ==================== 创建数据库 ====================
CREATE DATABASE IF NOT EXISTS ecommerce
    DEFAULT CHARACTER SET utf8mb4
    DEFAULT COLLATE utf8mb4_unicode_ci;

USE ecommerce;

-- ==================== 1. 用户表 ====================
CREATE TABLE `user` (
    `id` BIGINT UNSIGNED AUTO_INCREMENT COMMENT '用户ID',
    `username` VARCHAR(32) NOT NULL COMMENT '用户名',
    `password_hash` VARCHAR(128) NOT NULL COMMENT '密码哈希',
    `phone` VARCHAR(15) DEFAULT NULL COMMENT '手机号',
    `email` VARCHAR(64) DEFAULT NULL COMMENT '邮箱',
    `nickname` VARCHAR(32) DEFAULT NULL COMMENT '昵称',
    `avatar_url` VARCHAR(256) DEFAULT NULL COMMENT '头像',
    `status` TINYINT DEFAULT 1 COMMENT '状态：1正常 0禁用',
    `created_at` DATETIME DEFAULT CURRENT_TIMESTAMP,
    `updated_at` DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
    PRIMARY KEY (`id`),
    UNIQUE KEY `uk_username` (`username`),
    UNIQUE KEY `uk_phone` (`phone`),
    INDEX `idx_created_at` (`created_at`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='用户表';

-- ==================== 2. 收货地址表 ====================
CREATE TABLE `address` (
    `id` BIGINT UNSIGNED AUTO_INCREMENT COMMENT '地址ID',
    `user_id` BIGINT UNSIGNED NOT NULL COMMENT '用户ID',
    `receiver` VARCHAR(32) NOT NULL COMMENT '收件人',
    `phone` VARCHAR(15) NOT NULL COMMENT '联系电话',
    `province` VARCHAR(20) NOT NULL COMMENT '省',
    `city` VARCHAR(20) NOT NULL COMMENT '市',
    `district` VARCHAR(20) NOT NULL COMMENT '区',
    `detail` VARCHAR(200) NOT NULL COMMENT '详细地址',
    `is_default` TINYINT DEFAULT 0 COMMENT '是否默认：1是 0否',
    `created_at` DATETIME DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY (`id`),
    INDEX `idx_user_id` (`user_id`),
    CONSTRAINT `fk_address_user` FOREIGN KEY (`user_id`) REFERENCES `user`(`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='收货地址表';

-- ==================== 3. 商品分类表 ====================
CREATE TABLE `category` (
    `id` INT UNSIGNED AUTO_INCREMENT COMMENT '分类ID',
    `parent_id` INT UNSIGNED DEFAULT 0 COMMENT '父分类ID（0为顶级）',
    `name` VARCHAR(50) NOT NULL COMMENT '分类名称',
    `level` TINYINT DEFAULT 1 COMMENT '层级：1/2/3',
    `sort_order` INT DEFAULT 0 COMMENT '排序',
    `created_at` DATETIME DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY (`id`),
    INDEX `idx_parent_id` (`parent_id`),
    INDEX `idx_level` (`level`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='商品分类表';

-- ==================== 4. 商品表（SPU）====================
CREATE TABLE `product` (
    `id` BIGINT UNSIGNED AUTO_INCREMENT COMMENT '商品ID',
    `category_id` INT UNSIGNED NOT NULL COMMENT '分类ID',
    `name` VARCHAR(200) NOT NULL COMMENT '商品名称',
    `title` VARCHAR(500) DEFAULT NULL COMMENT '商品标题/副标题',
    `brand` VARCHAR(100) DEFAULT NULL COMMENT '品牌',
    `description` TEXT COMMENT '商品描述',
    `status` TINYINT DEFAULT 0 COMMENT '状态：0下架 1上架',
    `sales_count` INT DEFAULT 0 COMMENT '销量',
    `created_at` DATETIME DEFAULT CURRENT_TIMESTAMP,
    `updated_at` DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
    PRIMARY KEY (`id`),
    INDEX `idx_category_id` (`category_id`),
    INDEX `idx_status` (`status`),
    INDEX `idx_sales_count` (`sales_count`),
    CONSTRAINT `fk_product_category` FOREIGN KEY (`category_id`) REFERENCES `category`(`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='商品表（SPU）';

-- ==================== 5. SKU 表 ====================
CREATE TABLE `sku` (
    `id` BIGINT UNSIGNED AUTO_INCREMENT COMMENT 'SKU ID',
    `product_id` BIGINT UNSIGNED NOT NULL COMMENT '所属商品ID',
    `name` VARCHAR(200) NOT NULL COMMENT 'SKU名称（如 iPhone 14 128G 午夜色）',
    `spec` JSON COMMENT '规格JSON（如 {"颜色":"午夜色","存储":"128G"}）',
    `price` DECIMAL(10,2) NOT NULL COMMENT '售价',
    `original_price` DECIMAL(10,2) DEFAULT NULL COMMENT '原价',
    `stock` INT DEFAULT 0 COMMENT '库存',
    `image_url` VARCHAR(256) DEFAULT NULL COMMENT 'SKU图片',
    `status` TINYINT DEFAULT 1 COMMENT '状态：1启用 0禁用',
    `created_at` DATETIME DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY (`id`),
    INDEX `idx_product_id` (`product_id`),
    INDEX `idx_price` (`price`),
    CONSTRAINT `fk_sku_product` FOREIGN KEY (`product_id`) REFERENCES `product`(`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='SKU表';

-- ==================== 6. 购物车表 ====================
CREATE TABLE `cart` (
    `id` BIGINT UNSIGNED AUTO_INCREMENT COMMENT '购物车ID',
    `user_id` BIGINT UNSIGNED NOT NULL COMMENT '用户ID',
    `sku_id` BIGINT UNSIGNED NOT NULL COMMENT 'SKU ID',
    `quantity` INT DEFAULT 1 COMMENT '数量',
    `selected` TINYINT DEFAULT 1 COMMENT '是否选中：1是 0否',
    `created_at` DATETIME DEFAULT CURRENT_TIMESTAMP,
    `updated_at` DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
    PRIMARY KEY (`id`),
    UNIQUE KEY `uk_user_sku` (`user_id`, `sku_id`),
    CONSTRAINT `fk_cart_user` FOREIGN KEY (`user_id`) REFERENCES `user`(`id`),
    CONSTRAINT `fk_cart_sku` FOREIGN KEY (`sku_id`) REFERENCES `sku`(`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='购物车表';

-- ==================== 7. 订单表 ====================
CREATE TABLE `order` (
    `id` BIGINT UNSIGNED AUTO_INCREMENT COMMENT '订单ID',
    `order_no` VARCHAR(32) NOT NULL COMMENT '订单编号',
    `user_id` BIGINT UNSIGNED NOT NULL COMMENT '用户ID',
    `address_id` BIGINT UNSIGNED DEFAULT NULL COMMENT '收货地址ID',
    `total_amount` DECIMAL(12,2) DEFAULT 0 COMMENT '订单总金额',
    `pay_amount` DECIMAL(12,2) DEFAULT 0 COMMENT '实付金额',
    `pay_type` TINYINT DEFAULT NULL COMMENT '支付方式：1微信 2支付宝 3银行卡',
    `status` TINYINT DEFAULT 0 COMMENT '状态：0待支付 1已支付 2已发货 3已完成 4已取消',
    `pay_time` DATETIME DEFAULT NULL COMMENT '支付时间',
    `delivery_time` DATETIME DEFAULT NULL COMMENT '发货时间',
    `finish_time` DATETIME DEFAULT NULL COMMENT '完成时间',
    `created_at` DATETIME DEFAULT CURRENT_TIMESTAMP,
    `updated_at` DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
    PRIMARY KEY (`id`),
    UNIQUE KEY `uk_order_no` (`order_no`),
    INDEX `idx_user_id` (`user_id`),
    INDEX `idx_status` (`status`),
    INDEX `idx_created_at` (`created_at`),
    CONSTRAINT `fk_order_user` FOREIGN KEY (`user_id`) REFERENCES `user`(`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='订单表';

-- ==================== 8. 订单明细表 ====================
CREATE TABLE `order_item` (
    `id` BIGINT UNSIGNED AUTO_INCREMENT COMMENT '明细ID',
    `order_id` BIGINT UNSIGNED NOT NULL COMMENT '订单ID',
    `sku_id` BIGINT UNSIGNED NOT NULL COMMENT 'SKU ID',
    `product_name` VARCHAR(200) NOT NULL COMMENT '商品名称（快照）',
    `sku_name` VARCHAR(200) NOT NULL COMMENT 'SKU名称（快照）',
    `price` DECIMAL(10,2) NOT NULL COMMENT '成交单价',
    `quantity` INT NOT NULL COMMENT '数量',
    `subtotal` DECIMAL(12,2) NOT NULL COMMENT '小计金额',
    `created_at` DATETIME DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY (`id`),
    INDEX `idx_order_id` (`order_id`),
    CONSTRAINT `fk_item_order` FOREIGN KEY (`order_id`) REFERENCES `order`(`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='订单明细表';

-- ==================== 9. 用户行为日志表 ====================
CREATE TABLE `user_log` (
    `id` BIGINT UNSIGNED AUTO_INCREMENT COMMENT '日志ID',
    `user_id` BIGINT UNSIGNED NOT NULL COMMENT '用户ID',
    `product_id` BIGINT UNSIGNED DEFAULT NULL COMMENT '商品ID（浏览/加购/下单关联）',
    `action` VARCHAR(20) NOT NULL COMMENT '行为类型：view/search/add_cart/purchase',
    `keyword` VARCHAR(200) DEFAULT NULL COMMENT '搜索关键词（search时）',
    `ip_address` VARCHAR(45) DEFAULT NULL COMMENT '客户端IP',
    `device` VARCHAR(50) DEFAULT NULL COMMENT '设备类型：PC/Mobile/App',
    `created_at` DATETIME DEFAULT CURRENT_TIMESTAMP COMMENT '行为时间',
    PRIMARY KEY (`id`),
    INDEX `idx_user_id` (`user_id`),
    INDEX `idx_product_id` (`product_id`),
    INDEX `idx_action` (`action`),
    INDEX `idx_created_at` (`created_at`),
    CONSTRAINT `fk_log_user` FOREIGN KEY (`user_id`) REFERENCES `user`(`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='用户行为日志表';

3.2 用户行为日志 SQL 分析

准备模拟数据

sql

-- 插入模拟日志数据（用于分析演示）
INSERT INTO user_log (user_id, product_id, action, keyword, device, created_at) VALUES
(1, 101, 'view',     NULL,     'Mobile', '2024-06-01 10:00:00'),
(1, 102, 'view',     NULL,     'Mobile', '2024-06-01 10:02:00'),
(1, 102, 'add_cart', NULL,     'Mobile', '2024-06-01 10:03:00'),
(1, NULL, 'search',  '手机',   'Mobile', '2024-06-01 10:05:00'),
(1, 101, 'purchase', NULL,     'Mobile', '2024-06-01 10:10:00'),
(2, 201, 'view',     NULL,     'PC',     '2024-06-01 11:00:00'),
(2, 202, 'view',     NULL,     'PC',     '2024-06-01 11:01:00'),
(2, 203, 'view',     NULL,     'PC',     '2024-06-01 11:02:00'),
(2, NULL, 'search',  '电脑',   'PC',     '2024-06-01 11:05:00'),
(2, 201, 'add_cart', NULL,     'PC',     '2024-06-01 11:06:00'),
(2, 201, 'purchase', NULL,     'PC',     '2024-06-01 11:10:00'),
(3, 101, 'view',     NULL,     'App',    '2024-06-01 12:00:00'),
(3, 102, 'view',     NULL,     'App',    '2024-06-01 12:01:00'),
(3, 101, 'add_cart', NULL,     'App',    '2024-06-01 12:02:00'),
(4, NULL, 'search',  '耳机',   'Mobile', '2024-06-01 14:00:00');

分析案例 1：用户行为漏斗分析

sql

-- 核心转化漏斗：浏览 → 加购 → 下单
WITH funnel AS (
    SELECT
        COUNT(DISTINCT CASE WHEN action = 'view'     THEN user_id END) AS 浏览用户数,
        COUNT(DISTINCT CASE WHEN action = 'add_cart' THEN user_id END) AS 加购用户数,
        COUNT(DISTINCT CASE WHEN action = 'purchase' THEN user_id END) AS 下单用户数
    FROM user_log
    WHERE created_at >= '2024-06-01' AND created_at < '2024-07-01'
)
SELECT
    浏览用户数,
    加购用户数,
    下单用户数,
    CONCAT(ROUND(加购用户数 / 浏览用户数 * 100, 2), '%') AS 浏览到加购转化率,
    CONCAT(ROUND(下单用户数 / 加购用户数 * 100, 2), '%') AS 加购到下单转化率
FROM funnel;

分析案例 2：商品热度排行榜

sql

-- 使用窗口函数排行：被浏览最多的 Top 10 商品
WITH product_views AS (
    SELECT
        product_id,
        COUNT(*) AS view_count,
        COUNT(DISTINCT user_id) AS unique_users,
        RANK() OVER (ORDER BY COUNT(*) DESC) AS rank_no
    FROM user_log
    WHERE action = 'view' AND product_id IS NOT NULL
    GROUP BY product_id
)
SELECT
    pv.rank_no,
    pv.product_id,
    p.name AS 商品名称,
    pv.view_count AS 浏览次数,
    pv.unique_users AS 独立访客数
FROM product_views pv
LEFT JOIN product p ON pv.product_id = p.id
WHERE pv.rank_no <= 10
ORDER BY pv.rank_no;

分析案例 3：用户行为路径分析

sql

-- 每个用户的行为路径（按时间排序拼接）
SELECT
    user_id,
    GROUP_CONCAT(action ORDER BY created_at SEPARATOR ' → ') AS 行为路径
FROM user_log
WHERE created_at >= '2024-06-01'
GROUP BY user_id
ORDER BY user_id;

-- 使用窗口函数 LAG 查看用户上一个行为
SELECT
    user_id,
    action,
    created_at,
    LAG(action, 1) OVER (PARTITION BY user_id ORDER BY created_at) AS 上一个行为,
    TIMESTAMPDIFF(SECOND,
        LAG(created_at, 1) OVER (PARTITION BY user_id ORDER BY created_at),
        created_at
    ) AS 时间间隔(秒)
FROM user_log
WHERE user_id = 1
ORDER BY created_at;

分析案例 4：设备维度分析

sql

-- 各设备渠道的行为分布（使用 CTE + 行转列）
WITH device_stats AS (
    SELECT
        device,
        action,
        COUNT(*) AS cnt
    FROM user_log
    GROUP BY device, action
)
SELECT
    device AS 设备类型,
    MAX(CASE WHEN action = 'view'     THEN cnt ELSE 0 END) AS 浏览,
    MAX(CASE WHEN action = 'search'   THEN cnt ELSE 0 END) AS 搜索,
    MAX(CASE WHEN action = 'add_cart' THEN cnt ELSE 0 END) AS 加购,
    MAX(CASE WHEN action = 'purchase' THEN cnt ELSE 0 END) AS 下单,
    SUM(cnt) AS 总行为数
FROM device_stats
GROUP BY device
ORDER BY 总行为数 DESC;

分析案例 5：搜索关键词分析

sql

-- 热搜关键词 Top 10
SELECT
    keyword,
    COUNT(*) AS search_count,
    COUNT(DISTINCT user_id) AS search_users
FROM user_log
WHERE action = 'search' AND keyword IS NOT NULL
GROUP BY keyword
ORDER BY search_count DESC
LIMIT 10;

-- 搜索后转化分析：搜索某关键词的用户中有多少人最终购买了
WITH search_users AS (
    SELECT DISTINCT user_id
    FROM user_log
    WHERE action = 'search' AND keyword = '手机'
),
purchase_users AS (
    SELECT DISTINCT ul.user_id
    FROM user_log ul
    INNER JOIN search_users su ON ul.user_id = su.user_id
    WHERE ul.action = 'purchase'
)
SELECT
    (SELECT COUNT(*) FROM search_users) AS 搜索用户数,
    (SELECT COUNT(*) FROM purchase_users) AS 购买用户数,
    CONCAT(ROUND(
        (SELECT COUNT(*) FROM purchase_users) * 100.0 /
        NULLIF((SELECT COUNT(*) FROM search_users), 0), 2
    ), '%') AS 搜索转化率;

3.3 综合实战：订单与商品分析

案例 6：用户复购率分析

sql

-- 统计每个用户的订单数，计算复购率
WITH user_orders AS (
    SELECT
        user_id,
        COUNT(*) AS order_count
    FROM `order`
    WHERE status >= 1  -- 已支付及之后的状态
    GROUP BY user_id
)
SELECT
    order_count AS 订单数量,
    COUNT(*) AS 用户数,
    ROUND(COUNT(*) * 100.0 / (SELECT COUNT(*) FROM user_orders), 2) AS 占比百分比
FROM user_orders
GROUP BY order_count
ORDER BY order_count;

-- 复购率 = 下单次数 ≥ 2 的用户数 / 所有下单用户数
WITH user_stats AS (
    SELECT
        user_id,
        COUNT(*) AS order_count,
        ROW_NUMBER() OVER (ORDER BY COUNT(*) DESC) AS rn
    FROM `order`
    WHERE status >= 1
    GROUP BY user_id
)
SELECT
    COUNT(*) AS 总下单用户数,
    SUM(CASE WHEN order_count >= 2 THEN 1 ELSE 0 END) AS 复购用户数,
    CONCAT(ROUND(
        SUM(CASE WHEN order_count >= 2 THEN 1 ELSE 0 END) * 100.0 /
        COUNT(*), 2
    ), '%') AS 复购率
FROM user_stats;

案例 7：RFM 用户价值分层

sql

-- RFM 模型（简化版）：最近一次消费、消费频率、消费金额
WITH rfm_raw AS (
    SELECT
        user_id,
        DATEDIFF('2024-07-01', MAX(created_at)) AS recency,         -- R：距今天数
        COUNT(*) AS frequency,                                      -- F：订单数
        SUM(pay_amount) AS monetary                                 -- M：总消费金额
    FROM `order`
    WHERE status >= 1
    GROUP BY user_id
),
rfm_score AS (
    SELECT
        user_id,
        recency,
        frequency,
        monetary,
        CASE
            WHEN recency <= 7   THEN 5
            WHEN recency <= 30  THEN 4
            WHEN recency <= 90  THEN 3
            WHEN recency <= 180 THEN 2
            ELSE 1
        END AS r_score,
        CASE
            WHEN frequency >= 10 THEN 5
            WHEN frequency >= 5  THEN 4
            WHEN frequency >= 3  THEN 3
            WHEN frequency >= 1  THEN 2
            ELSE 1
        END AS f_score,
        CASE
            WHEN monetary >= 10000 THEN 5
            WHEN monetary >= 5000  THEN 4
            WHEN monetary >= 1000  THEN 3
            WHEN monetary >= 500   THEN 2
            ELSE 1
        END AS m_score
    FROM rfm_raw
)
SELECT
    user_id,
    CONCAT(r_score, f_score, m_score) AS rfm_code,
    CASE
        WHEN r_score >= 4 AND f_score >= 4 AND m_score >= 4 THEN '重要价值用户'
        WHEN r_score >= 4 AND f_score >= 3 THEN '重要发展用户'
        WHEN f_score >= 4 AND m_score >= 4 THEN '重要保持用户'
        WHEN r_score <= 2 AND f_score <= 2 THEN '流失用户'
        ELSE '一般用户'
    END AS 用户分层
FROM rfm_score
ORDER BY r_score DESC, f_score DESC, m_score DESC;

四、本章小结

知识点	关键要点
电商数据库设计	用户 → 商品（SPU/SKU）→ 购物车 → 订单 → 明细 → 日志，遵循三范式
索引设计	常用查询字段（user_id / status / created_at）建索引，联合索引遵循最左前缀
行为日志分析	用窗口函数做排名（RANK / ROW_NUMBER），用 CTE 构建漏斗模型
RFM 分层	Recency（最近消费） + Frequency（频率） + Monetary（金额）三维度
转化率分析	漏斗分析法：浏览 → 加购 → 下单，逐步计算各环节转化率

五、综合练习

基础练习

根据上面提供的 DDL，在本地 MySQL 中完整创建 ecommerce 数据库所有表
手动插入至少 5 个用户、10 个商品（各含 2 个 SKU）、20 条订单记录和 50 条行为日志
编写 SQL 查询：每个分类下销量最高的商品（使用窗口函数）
编写 SQL 查询：最近 30 天内未复购的用户列表（即只下过一次单且距今 > 30 天）

进阶练习

漏斗分析：使用 CTE 构建完整漏斗（浏览 → 加购 → 下单 → 付款 → 完成），计算每一步的绝对数和转化率
购物车弃单分析：查找将商品加入购物车但 24 小时内未下单的记录，统计弃单率最高的商品 Top 5
商品关联推荐：基于 order_item 表，使用自关联查询购买商品 A 的用户同时购买商品 B 的频次（协同过滤基础版）

团队实战项目（可选）

项目任务：设计并实现一个小型直播带货平台的数据库系统

要求：

输出完整的 ER 图描述文档（可用 Mermaid 或 draw.io 绘制）
设计包含主播、直播间、商品、秒杀活动、打赏记录等表结构
编写至少 5 条有业务价值的分析 SQL（如：主播带货排行、直播间转化率、秒杀商品售罄时间分析）
使用 Python + pymysql 编写一个数据导入脚本，插入 10 万 + 级别的模拟数据

章节5：模块综合实战 — 电商平台数据库设计与分析 ​

一、学习目标 ​

二、实战项目概述 ​

项目背景 ​

需求分析 ​

三、核心知识点 ​

3.1 数据库设计（ER 图与三范式） ​

ER 图关系描述 ​

DDL 建表语句（完整设计） ​

3.2 用户行为日志 SQL 分析 ​

准备模拟数据 ​

分析案例 1：用户行为漏斗分析 ​

分析案例 2：商品热度排行榜 ​

分析案例 3：用户行为路径分析 ​

分析案例 4：设备维度分析 ​

分析案例 5：搜索关键词分析 ​

3.3 综合实战：订单与商品分析 ​

案例 6：用户复购率分析 ​

案例 7：RFM 用户价值分层 ​

四、本章小结 ​

五、综合练习 ​

基础练习 ​

进阶练习 ​

团队实战项目（可选） ​

章节5：模块综合实战 — 电商平台数据库设计与分析

一、学习目标

二、实战项目概述

项目背景

需求分析

三、核心知识点

3.1 数据库设计（ER 图与三范式）

ER 图关系描述

DDL 建表语句（完整设计）

3.2 用户行为日志 SQL 分析

准备模拟数据

分析案例 1：用户行为漏斗分析

分析案例 2：商品热度排行榜

分析案例 3：用户行为路径分析

分析案例 4：设备维度分析

分析案例 5：搜索关键词分析

3.3 综合实战：订单与商品分析

案例 6：用户复购率分析

案例 7：RFM 用户价值分层

四、本章小结

五、综合练习

基础练习

进阶练习

团队实战项目（可选）