共计 2293 个字符，预计需要花费 6 分钟才能阅读完成。
SeaTable 是一个反对多种数据类型的协同表格和信息管理工具。它不仅不便记录大量结构化的数据，还提供了多种数据处理、剖析和可视化的性能。本文将介绍如何综合地应用 SeaTable 的 SQL 插件、数据链接性能、函数计算性能，来从一份在线订单数据中剖析出每年的复购比例、用户留存比例。
通过本文，咱们会看到，相比于 Excel，SeaTable 在数据分析方面有以下的劣势：
- 反对 SQL 查问，能够实现绝对简单的数据查问。
- 反对数据的扩表关联。一些场景下，只有扩表关联才能够实现数据的剖析，比方订单表须要和用户表关联。
- 可能解决 10 万行甚至百万行以上的记录。
相比于传统的数据库，SeaTable 则更加直观易用：
- 能够通过界面间接把两头后果导出为新的表格，而后再进行剖析。
- 能够间接建设公式列，对数据进行计算加工，而后再进一步剖析。
- 能够间接通过界面对一些不合理的数据进行清理或批改。
数据集介绍
如下图，这是一张软件产品的在线订单数据表，记录了所有订单的详细信息，如 ID、用户名、付费金额、创立工夫（首次付费工夫）等等。其中软件是以年付费的模式销售的，用户须要每年续费一次以便持续应用软件。Price 记录的是美元价格。
咱们增加 SQL 插件，并且搁置到工具栏后，就能够疾速地进行数据查问了。
首先，咱们想查问所有订单的数量，那么 SQL 语句如下：
select count(*) from Orders
count(*) 示意对所有条目数量的计数，后果为 1855，示意目前为止总共的订单数量有 1855 个。
接下来，咱们想看一下，这些订单来自多少个不同的用户，那么语句如下：
select count(distinct User) from Orders limit 1000同上，用 count 函数，distinct 示意去重，雷同的值只保留一次。后果为 598，示意总共购买的用户有 598 人。
那么在这么多用户中，咱们想看一下，2020 年付费能力最强的前十个用户是哪些人，则能够写入如下语句：
select User, sum(Paid) from Orders where `Created At` > '2020-01-01' and `Created At` <= '2021-01-01' group by User order by sum(Paid) desc limit 10咱们将付费工夫限定为 2020 年，对用户的付费金额求和，并且以付费金额的大小来降序显示十条记录。
用 ISOMonth 函数剖析本月和上月数据
SeaTable 中的日期个别用 ISO 国际标准格局来保留。它提供了 ISODate 和 ISOMonth 两个函数来帮忙咱们依照日期对数据进行统计分析。
当咱们想要查看本月的付费金额时，咱们能够用工夫函数 ISOMonth 来对月份进行过滤。
计算本月付费金额，语句如下：
select sum(Paid) from Orders where ISOMonth(`Created At`) = ISOMonth(today())
计算上月付费金额，语句如下：
select sum(`Paid`) from Orders where ISOMONTH(`Created At`) = ISOMONTH(dateAdd(today(), -1, "months"))
剖析 2019 年首次购买的用户的续订比例
订单表中的数据是以订单为单位记录的，要剖析用户的续订比例，咱们首先须要失去一张以用户为单位的表。
咱们用上面的 group by 语句，能够失去每个用户的首次购买工夫和最初购买工夫，查问出后果后，导出为一个新的子表——用户购买时间表。
select User, min(`Created At`), max(`Created At`) from Orders group by User limit 2000
接下来新建 {First year} 和 {Last year} 两个公式列，求出首次购买年份和最初购买年份。
这样咱们就能够进行查问了，首先失去 2019 年新增的购买人数为 110 人。
select count(*) from Users where `First year`=2019
而后能够查找出首次购买工夫在 2019 年，且最初购买工夫是 2019 年之后的人，是 65 人。由此咱们得出 2019 年新用户的续订比例为 59.0%。
select count(*) from Users where `First year`=2019 and `Last year`>2019
剖析 2020 年复购金额占比
上面来进行一个比较复杂的剖析，也就是 2020 年复购金额占比。咱们用数据处理的 ” 主动关联 ” 建设订单表和下面失去的用户表的关联关系。对于 2020 年的每个订单，如果这个用户首次购买工夫早于 2020 年，那么咱们认为这是一次复购。
因而，首先咱们在已失去的用户表中，应用链接列和主动增加链接性能，为 Orders 表和用户购买时间表建设关联，以不便援用 {First year} 列到 Orders 表中进行计算。
建设关联后，咱们将 {First year} 列用链接公式援用到 Orders 表中，而后再新建两个公式列，
用日期公式计算出 {Created year}——购买年份
标记出复购的用户：当 {Created year} 大于 {First year} 时，那么咱们认为属于复购状况，显示为 1，否则显示为 0
接下来咱们就能够进行查问了，首先查问 2020 年订单总金额，为 106627.5。
而后咱们查问 2020 年的复购订单金额，为 89915.5。因而 2020 年复购金额占比为 84.3%。
以上，咱们用 SeaTable 轻松又疾速地实现了在线订单数据的剖析工作，是不是十分不便呢。SeaTable 的性能不仅丰盛，而且也很简略易用，大家能够依据具体场景灵便搭建出本人的业务利用。
