信贷标签体系
基本属性标签：这类标签包括客户的年龄、性别、婚姻状况、教育水平、职业、收入水平等基本信息。
这些信息有助于银行进行初步的客户群体划分。
行为标签：行为标签则涉及客户的交易行为，如登录频率、贷款申请次数、还款习惯等。通过分析这
些行为数据，银行可以评估客户的活跃度和忠诚度。
信用标签：信用标签是基于客户的信用历史，包括信用评分、逾期记录、负债比例等。这类标签对于
信贷产品的定价和风险管理至关重要。
消费偏好标签：消费偏好标签反映了客户在消费方面的倾向，如购物类别、消费场景、支付方式选择
等。银行可以利用这些信息来推荐相应的金融产品或服务。
风险偏好标签：风险偏好标签则揭示了客户在投资时的风险承受能力，这对于银行在提供投资咨询和
理财产品时非常重要。
价值标签：价值标签则是基于客户的综合贡献度，包括存款余额、贷款金额、管理资产规模等。这类
标签有助于银行识别高价值客户，并制定相应的维护策略。
社交标签：社交标签则是基于客户的社交网络和人际关系，如好友数量、社交活跃度等。这些信息对
于分析客户的影响力和传播力非常有用。
时间标签：时间标签则记录了客户与银行互动的时间信息，如开户时间、最后一次交易时间等。这些
信息可以帮助银行分析客户的生命周期阶段。
会员基础信息标签大宽表
用户行为属性标签大宽表
用户交易属性标签大宽表
用户风险信息标签大宽表
营销属性标签大宽表
价值属性标签大宽表
标签业务需求示例：
标签开发案例
案例 1：定期批量减免罚息、利息
需求背景：面对突发情况（疫情），需要在某一段时期内，针对特定客群进行罚息减免。
需求内容：
1、客群筛选：支持按客户风险等级、首复贷用户、客户渠道来源、所在地区等标签，最长逾期阶段
M0、M1、M2、M3 等，根据多维度筛选特定类别客群；（支持指定用户）
2、减免力度：N%，N 支持系统配置，0≤N≤100；（减免计算的金额，需保存明细和汇总数据，对应
至用户、借据和时间等）
3、减免维度：支持选择罚息和利息，按日统计；
4、减免期限：生效时间、截止时间；
生效时间：即减免开始计算时点，包括当天；
截止时间：即减免终止计算时点，包括当天；
5、审批流：业务岗发起→财务岗审批（待确定）；
6、减免后平台账与资金方账保持一致，若涉及外部资金方，由业务侧提前沟通贴息方案；
7、减免失败：返回失败的结果与明细，对应至用户、借据与失败原因。需求分析，梳理出需要的标签
将需要用到的标签，先每个单独开发出来，再根据相同粒度进行合并成标签大宽表。
---------------------------------------------------------step1：标签开发
CREATE TABLE `ds_hive.user_is_frist_loan_year`(
`userid` string COMMENT 'userid',
`is_frist_loan` string COMMENT '标签值'
)
COMMENT 'userid是否近一年首贷用户'
PARTITIONED BY ( `data_date` string COMMENT '数据日期')
;
-------------------取全量数据量很大，想办法优化；
--create table if not exists ds_hive.tmp_is_frist_loan_year_001
--select t1.user_id as user_id --用户id
-- ,min(CRT_TM) as is_frist_loan --标签值
-- from Dwd.dwd_order_info_fact t1
--where t1.data_date<='${hivevar:statis_date}'
-- group by t1.user_id
--;
--insert overwrite table ds_hive.user_is_frist_loan_year partition(data_date= "${hivevar:statis_date}")
--select t1.user_id as user_id --用户id
-- ,case when frist_loan_dt>='${hivevar:1year}' then 'Y' else 'N' end as is_frist_loan
-- from ds_hive.tmp_is_frist_loan_year_001 t1
--;
--------------------优化:构建首购表和最近贷款的表后续重复使用
CREATE TABLE `dws.user_frist_loan_d`(
`userid` string COMMENT 'userid'
,`frist_loan_dt` string COMMENT '首次贷款'
,`last_loan_dt` string COMMENT '最近一次贷款'
)
COMMENT '用户首次贷款表'
;
-------实现代码：第一次全量同步，后续每天，此段代码下沉到数仓 dws 层
create table if not exists ds_hive.tmp_user_frist_loan_d_001
select t1.user_id as user_id --用户id
,min(CRT_TM) as is_frist_loan --标签值
,max(CRT_TM) as last_loan_dt --标签值
from Dwd.dwd_order_info_fact t1
where t1.data_date='${hivevar:statis_date}'
group by t1.user_id
;
insert overwrite table ds_hive.user_frist_loan_d
select t1.user_id as user_id --用户id
,frist_loan_dt
,last_loan_dt
from dws.user_frist_loan_d t1
union all
select t1.user_id as user_id --用户id
,min(CRT_TM) as is_frist_loan --首次贷款
,max(CRT_TM) as last_loan_dt --最近一次贷款
from ds_hive.tmp_user_frist_loan_d_001 t1
left join dws.user_frist_loan_d t2
on t1.user_id=t2.user_id
where t2.user_id is null
;
--------直接使用首贷表开发标签
insert overwrite table ds_hive.user_is_frist_loan_year partition(data_date= "${hivevar:statis_date}")
select t1.user_id as user_id --用户id
,case when frist_loan_dt>='${hivevar:1year}' then 'Y' else 'N' end as is_frist_loan
from ds_hive.user_frist_loan_d t1
;
----------------------------------------------------------------------贷款逾期次数标签表
CREATE TABLE `ds_hive.user_loan_over_cnt_d`(
`userid` string COMMENT 'userid',
`oan_over_cnt` string COMMENT '标签值'
)
COMMENT 'userid逾期次数'
PARTITIONED BY ( `data_date` string COMMENT '数据日期')
;
--------直接使用贷款逾期次数标签
insert overwrite table ds_hive.user_loan_over_cnt_d partition(data_date= "${hivevar:statis_date}")
select t1.user_id as user_id --用户id
,count(LN_NO) as oan_over_cnt
from dwd.D_EVN_LOAN_OVD_INFO_D t1
where data_date= '${hivevar:statis_date}'
group by t1.user_id
;
----------------------------------------------------------------------贷款逾期次数标签表
CREATE TABLE `ds_hive.user_loan_over_prdqt_d`(
`userid` string COMMENT 'userid',
`oan_over_prdqt` string COMMENT '标签值'
)
COMMENT 'userid是否近一年首贷用户'
PARTITIONED BY ( `data_date` string COMMENT '数据日期')
;
--------直接使用贷款逾期次数标签
-------实现代码：
drop table if exists ds_hive.tmp_user_loan_over_prdqt_d_001
create table if not exists ds_hive.tmp_user_loan_over_prdqt_d_001
select t1.user_id as user_id --用户id
,max(ACMOD_PRDQT) as oan_over_prdqt --标签值
from dwd.D_EVN_LOAN_OVD_INFO_D t1
where t1.data_date='${hivevar:statis_date}'
group by t1.user_id
;
insert overwrite table ds_hive.user_loan_over_prdqt_d partition(data_date= "${hivevar:statis_date}")
select t1.user_id as user_id --用户id
,case when oan_over_prdqt=0 then 'M0'
when oan_over_prdqt=1 then 'M1'
when oan_over_prdqt=2 then 'M2'
when oan_over_prdqt=3 then 'M3'
when oan_over_prdqt=4 then 'M4'
when oan_over_prdqt=5 then 'M5'
when oan_over_prdqt=6 then 'M6'
when oan_over_prdqt>=7 then 'M7' end as oan_over_prdqt
from tmp_user_loan_over_prdqt_d_001
;
-------------------------------step2：合并大宽表
---ds_hive.t_lbl_trade_action_all
---ds_hive.t_lbl_fengx_new_all
---增加字段
alter table ds_hive.t_lbl_trade_action_all add columns(is_frist_loan string comment '是否近一年首贷用户');
alter table ds_hive.t_lbl_fengx_new_all add columns(oan_over_cnt string comment '逾期次数',oan_over_prdqt string comment '逾期阶段');
--------完成用户价值属性表
insert overwrite table ds_hive.t_lbl_trade_action_all partition(data_date= "${hivevar:statis_date}")
select
t1.user_id
,t2.pls_is_fzn
,t3.pls_is_bind_card
,t3.pls_is_cur_bind_card
,t3.pls_is_epp_bag_user
,t3.pls_is_scan
,t3.pls_is_by_scan
,t3.pls_is_quick_pls
,t4.pls_is_fin_user
,t4.pls_is_bill_fin_user
,t4.pls_is_fnd_user
,t4.pls_is_bof_prch
,t4.pls_is_chp_user
,t4.pls_is_ins_user
,t4.pls_is_cfc_user
,t4.pls_is_ccr_user
,t4.pls_lifecycle
,t4.pls_actv_lvl_tm
,t4.pls_actv_lvl
,t5.pls_value_lvl
,t6.pls_loyal_lvl
,t7.pls_cosm_drive
,t8.pls_disposition
,t9.pls_gds_cgy_love
,t10.pls_work_dt_vst_lvl
,t10.pls_weekend_vst_lvl
,t10.pls_work_tm_vst_lvl
,t10.pls_rest_tm_vst_lvl
,t10.pls_night_vst_lvl
,t13.pls_commute_vst_lvl
,t13.pls_rgst_from
,t13.pls_rgst_tml
,t13.pls_tml_love
,t13.pls_chn_love
,t13.pls_vst_pg_lvl
,t13.pls_vst_cnt_lvl
,t13.pls_vst_bounce_lvl
,t13.pls_vst_staytm_lvl
,t13.pls_pg_staytm_lvl
,t13.pls_epp_lifecycle
,t13.pls_epp_bag_actv_lvl
,t13.pls_epp_scan_actv_lvl
,t13.pls_epp_byscan_actv_lvl
,t13.pls_is_epp_tran
,t13.pls_epp_tran_lvl
,t13.pls_is_bank_tran
,t13.pls_bank_tran_lvl
,t13.pls_is_crdt_crd_tran
,t13.pls_crdt_crd_tran_lvl
,t13.pls_is_mbl_fill
,t13.pls_mbl_fill_lvl
,t13.pls_is_sch_crd_user
,t13.pls_sch_crd_lvl
,t13.pls_is_water_chrg
,t13.pls_water_chrg_lvl
,t13.pls_is_ele_chrg
,t13.pls_ele_chrg_lvl
,t13.pls_is_gas_chrg
,t13.pls_gas_chrg_lvl
,t13.pls_is_tel_chrg
,t13.pls_tel_chrg_lvl
,t13.pls_is_adsl_chrg
,t13.pls_adsl_chrg_lvl
,t13.pls_is_mbl_bill_user
,t13.pls_mbl_bill_lvl
,t13.pls_is_tv_chrg
,t13.pls_tv_chrg_lvl
,t13.pls_is_gas_crd_user
,t13.pls_gas_crd_lvl
,t13.pls_epp_vst_pg_lvl
,t13.pls_epp_vst_cnt_lvl
,t13.pls_epp_vst_bounce_lvl
,t13.pls_epp_vst_staytm_lvl
,t13.pls_epp_pg_staytm_lvl
,t13.pls_fin_rgst_dt
,t13.pls_fin_rgst_days
,t13.pls_fin_rgst_drtn
,t13.pls_is_auto_bof_tran
,t13.pls_fin_aum_lvl
,t13.pls_fin_hold_amt
,t13.pls_fin_lifecycle
,t13.pls_fin_actv_lvl
,t13.pls_bof_actv_lvl
,t13.pls_fnd_actv_lvl
,t13.pls_bill_actv_lvl
,t13.pls_fin_value_lvl
,t13.pls_bof_value_lvl
,t13.pls_fnd_value_lvl
,t13.pls_bill_value_lvl
,t13.pls_is_fnd_prch
,t13.pls_is_bof_zero_hold
,t13.pls_is_bill_cash_user
,t13.pls_inv_prd_love
,t13.pls_inv_risk_love
,t1.pls_inv_term_love
,t1.pls_fin_tml_love
,t21.pls_fin_vst_pg_lvl
,t21.pls_fin_vst_cnt_lvl
,t21.pls_fin_vst_bounce_lvl
,t21.pls_fin_vst_staytm_lvl
,t21.pls_fin_pg_staytm_lvl
,t21.pls_fin_pls_tm_1st
,t21.pls_fin_pls_days_1st
,t21.pls_fin_pls_1st_drtn
,t21.pls_bof_pls_1st_drtn
,t21.pls_bof_pls_last_drtn
,t21.pls_bof_hold_drtn
,t21.pls_is_7d_fnd_fail
,t21.pls_is_7d_bof_fail
,t21.pls_is_7d_bil_fail
,t21.pls_is_bil_vip
,t21.pls_is_fnd_vip
,t21.pls_is_bof_vip
,t21.pls_bof_new_prch_7d
,t21.pls_fin_new_non_prch_7d
,t21.pls_fin_new_prch_7d
,t21.pls_bof_new_prch_30d
,t21.pls_fin_new_non_prch_30d
,t21.pls_fin_new_prch_30d
,t21.pls_non_2nd_prch
,t21.pls_non_prch_af_repls
,t34.is_frist_loan
from dwd.D_CST_PSNL_BSC_INFO_D t1
left join ds_hive.user_gender_label t2
on t1.user_id=t2.user_id and t2.data_date= '${hivevar:statis_date}'
left join ds_hive.user_7day_pay_label t3
on t1.user_id=t3.user_id and t3.data_date= '${hivevar:statis_date}'
left join ds_hive.user_last_dt_label t4
on t1.user_id=t4.user_id and t4.data_date= '${hivevar:statis_date}'
left join ds_hive.user_gender_label t5
on t1.user_id=t5.user_id and t5.data_date= '${hivevar:statis_date}'
left join ds_hive.user_gender_label t6
on t1.user_id=t6.user_id and t6.data_date= '${hivevar:statis_date}'
......这里省略N张标签小表或者中间小宽表
--新增标签代码
left join ds_hive.user_is_frist_loan_year t34
on t1.user_id=t34.user_id and t34.data_date= '${hivevar:statis_date}'
where t1.data_date= '${hivevar:statis_date}'
;
---ds_hive.t_lbl_fengx_new_all
---增加字段
--------完成用户价值属性表
insert overwrite table ds_hive.t_lbl_fengx_new_all partition(data_date= "${hivevar:statis_date}")
select
t1.user_id
,t2.mthly_income
,t3.work_life
,t4.is_has_car
,t4.is_has_house
,t4.has_pet
,t4.mrge_st
,t4.baby_qty
,t4.baby_age_1st
,t4.is_inr_emp
,t5.is_inr_emp_his
,t5.acct_type
,t5.auth_type
,t5.mbl_auth
,t5.pupsec_status
,t5.chnel_lvl
,t5.chnel_cnt
,t6.oan_over_cnt
,t7.oan_over_prdqt
from dwd.D_CST_PSNL_BSC_INFO_D t1
left join ds_hive.user_gender_label t2
on t1.user_id=t2.user_id and t2.data_date= '${hivevar:statis_date}'
left join ds_hive.user_7day_pay_label t3
on t1.user_id=t3.user_id and t3.data_date= '${hivevar:statis_date}'
left join ds_hive.user_last_dt_label t4
on t1.user_id=t4.user_id and t4.data_date= '${hivevar:statis_date}'
left join ds_hive.user_gender_label t5
on t1.user_id=t5.user_id and t5.data_date= '${hivevar:statis_date}'
left join ds_hive.user_loan_over_cnt_d t6
on t1.user_id=t6.user_id and t6.data_date= '${hivevar:statis_date}'
left join ds_hive.user_loan_over_cnt_d t7
on t1.user_id=t7.user_id and t7.data_date= '${hivevar:statis_date}'
where t1.data_date= '${hivevar:statis_date}'
;
案例2：低活跃用户定期 push 拉活
需求背景：为了实现用户拉活目标，增长业务需求，我们使用各种的拉活手段来进行用户促活，其中性价比最高的事 push 消息的手段。
---------------------------------------------------------step1：标签开发
CREATE TABLE `ds_hive.user_last_active_days`(
`userid` string COMMENT 'userid',
`last_active_days` string COMMENT '距今最近一次活跃天数'
)
COMMENT 'userid距今最近一次活跃天数'
PARTITIONED BY ( `data_date` string COMMENT '数据日期')
;
-----------------------------step1：求出登录用户，并且在app内停留时间大约20S
drop table if exists ds_hive.tmp_user_last_active_days_001;
create table if not exists ds_hive.tmp_user_last_active_days_001
select t1.member_id as user_id --用户id
,max(substr(CRTD_TIME,1,10)) as last_active_days --标签值
,sum(CRNT_PAGE_DRTN) as CRNT_PAGE_DRTNs --当天页面停留时间
from dwd.TSOR_BR_BASE_PAGEVIEW_D t1 ---此表是增量表
where t1.STATIS_DATE='${hivevar:statis_date}'
and LOGON_TP_ID='R' --R代表注册用户
group by t1.member_id
having CRNT_PAGE_DRTNs>=20
;
-----------------------------step1：点击页面数大于2个的用户
drop table if exists ds_hive.tmp_user_last_active_days_002;
create table if not exists ds_hive.tmp_user_last_active_days_002
select t1.member_id as user_id --用户id
,count(distinct URL_PATTERN_ID) as URL_PATTERN_CNT --当天点击的页面数
from dwd.TSOR_BR_BASE_CLICK_D t1 ---此表是增量表
where t1.STATIS_DATE='${hivevar:statis_date}'
group by t1.member_id
having URL_PATTERN_CNT>=2
;
-----------------------------step3：晒出目标客户
drop table if exists ds_hive.tmp_user_last_active_days_003;
create table if not exists ds_hive.tmp_user_last_active_days_003
select t1.user_id
,t1.last_active_days
from tmp_user_last_active_days_001 t1
join tmp_user_last_active_days_002 t2
on t1.user_id=t2.user_id
;
insert overwrite table ds_hive.user_last_active_days
partition(data_date= "${hivevar:statis_date}")
select t1.user_id as user_id --用户id
,last_active_days
from ds_hive.tmp_is_frist_loan_year_001 t1
;
-------------------------------step5：合并大宽表
---ds_hive.t_lbl_operations_beha_all
---增加字段
alter table ds_hive.t_lbl_operations_beha_all add columns(last_active_days string comment '距今最近一次活跃天数');
insert overwrite table ds_hive.t_lbl_fengx_new_all partition(data_date= "${hivevar:statis_date}")
select
user_id
,pay_lifecycle
,pay_actv_lvl_tm
,pay_actv_lvl
,pay_value_lvl
,pay_loyal_lvl
,pay_cosm_drive
,pay_disposition
,pay_vst_cnt_lvl
,pay_vst_bounce_lvl
,pay_vst_staytm_lvl
,pay_pg_staytm_lvl
,pay_epp_lifecycle
,pay_epp_bag_actv_lvl
,pay_epp_scan_actv_lvl
,pay_epp_byscan_actv_lvl
,pay_is_epp_tran
,pay_epp_tran_lvl
,pay_is_bank_tran
,pay_bank_tran_lvl
,pay_is_crdt_crd_tran
,pay_crdt_crd_tran_lvl
,pay_is_mbl_fill
,pay_mbl_fill_lvl
,pay_is_sch_crd_user
,pay_sch_crd_lvl
,pay_is_water_chrg
,pay_epp_vst_staytm_lvl
,pay_epp_pg_staytm_lvl
,pay_fin_rgst_dt
,pay_fin_rgst_days
,pay_fin_rgst_drtn
,pay_is_auto_bof_tran
,pay_fin_aum_lvl
,pay_fin_hold_amt
,pay_fin_lifecycle
,pay_fin_actv_lvl
,pay_bof_actv_lvl
,pay_fnd_actv_lvl
,pay_bill_actv_lvl
,pay_fin_value_lvl
,pay_bof_value_lvl
,pay_fnd_value_lvl
,pay_bill_value_lvl
,pay_is_fnd_prch
,pay_is_bof_zero_hold
,pay_is_bill_cash_user
,pay_inv_prd_love
,pay_inv_risk_love
,pay_inv_term_love
,pay_fin_tml_love
,pay_fin_vst_pg_lvl
,pay_fin_vst_cnt_lvl
,pay_fin_vst_bounce_lvl
,pay_fin_vst_staytm_lvl
,pay_fin_pg_staytm_lvl
,pay_fin_pay_tm_1st
,pay_fin_pay_days_1st
,pay_fin_pay_1st_drtn
,pay_bof_pay_1st_drtn
,pay_bof_pay_last_drtn
,pay_bof_hold_drtn
,pay_is_7d_fnd_fail
,pay_is_7d_bof_fail
,pay_is_7d_bil_fail
,pay_is_bil_vip
,pay_is_fnd_vip
,pay_is_bof_vip
,pay_bof_new_prch_7d
,pay_fin_new_non_prch_7d
,pay_fin_new_prch_7d
,pay_bof_new_prch_30d
,pay_fin_new_non_prch_30
,pay_fin_new_prch_30d
,pay_non_2nd_prch
,pay_non_prch_af_repay
,pay_bil_cash_cnt_1m
,pay_bil_cash_amt_1m
,pay_is_chp_focus_user
,pay_chp_foucs_attr
,pay_chp_focus_lvl
,pay_is_chp_pay_user
,pay_is_chp_lotto_user
,pay_chp_pay_tm_1st
,pay_chp_pay_days_1st
,pay_chp_pay_1st_drtn
,pay_chp_first_gz_type
,pay_chp_lifecycle
,pay_chp_actv_lvl
,pay_chp_value_lvl
,pay_chp_tml_love
,pay_chp_vst_pg_lvl
,pay_chp_vst_cnt_lvl
,pay_chp_vst_bounce_lvl
,pay_chp_vst_staytm_lvl
,pay_chp_pg_staytm_lvl
,pay_chp_is_click_farm
,pay_chp_lucky_draw_amt
,pay_chp_last_buy_cyc
,pay_chp_buy_gz_types
,pay_chp_buy_cnt
,pay_chp_reward_type_amt
,pay_chp_income_type_amt
,pay_chp_pv_cyc
,pay_chp_pv_types
,pay_chp_pv_cnt
,pay_chp_7days_nobuys
,pay_chp_15days_nobuys
,pay_chp_is_1yuan
,pay_chp_is_use_coupon
,pay_chp_coupon_use_cat
,pay_chp_coupon_use_cyc
,pay_chp_coupon_use_cnt
,pay_chp_coupon_use_amt
,pay_chp_coupon_ord_amt
,pay_chp_buy_cat
,pay_chp_buy_dept
,pay_cfc_rgst_dt
,pay_cfc_rgst_days
,pay_cfc_rgst_drtn
,pay_cfc_open_dt
,pay_cfc_open_drtn
,pay_cfc_pay_dt_1st
,pay_cfc_pay_1st_drtn
,pay_cfc_user_src
,pay_cfc_amt
,pay_cfc_bal
,pay_is_cfc_stages
,pay_is_cfc_flex_use
,pay_is_cfc_overdue
,pay_cfc_overdue_days
,pay_cfc_tml_love
,pay_is_nonfnc_mem
,pay_pupsec_status
,pay_chnel_lvl
,pay_chnel_cnt
,pay_mbl_auth
,pay_actv_type
,pay_app_hold
,pay_cfc_black_list
,pay_malicious_rgst
,pay_is_scalper
,pay_fin_black_list
,t35.last_active_days
from dwd.D_CST_PSNL_BSC_INFO_D t1
left join ds_hive.user_gender_label t2
on t1.user_id=t2.user_id and t2.data_date= '${hivevar:statis_date}'
......这里省略N张标签小表或者中间小宽表
--新增标签代码
left join ds_hive.user_gender_label t35
on t1.user_id=t2.user_id and t35.data_date= '${hivevar:statis_date}'
where t1.data_date= '${hivevar:statis_date}'
;
案例 5：催收人群拆分外呼对比实验（A/B 测试）
应用背景：智能外呼团队为了测试不同话术在外呼效果上的差异，对于同一个外呼人群需要随机平均拆分成 4 个子人群，然后针对不同子人群中的用户采用不同话术进行外呼，最终通过对比外呼效果来选出最佳话术。应用方式：外呼团队在画像平台上创建逾期外呼人群，客群标准如下：
用户学历在本科及以上；
用户逾期在 0~30 天以上；
以前没有被催收电话拨打过；
人群根据并借助人群拆分功能将该人群按照 25%、25%、25%、25%的比例拆分为 4 个子人群，在外呼
平台导入 4 个子人群并配置不同的话术进行外呼操作。
---------------------------------------------------------建表：
CREATE TABLE `ds_hive.t_user_first_coll_call_dt`(
`user_id` string COMMENT 'userid',
`first_coll_call_dt` string COMMENT '首次催收拨打日期'
)
COMMENT '首次催收拨打日期'
PARTITIONED BY ( `data_date` string COMMENT '数据日期')
;
----------------插入标签表
insert overwrite table ds_hive.t_user_first_coll_call_dt
user_id
,min(CRT_TM) as first_coll_call_dt
from dwd.D_EVN_COLL_CALL_RCRD_D
where data_date= "${hivevar:statis_date}"
group by user_id
;
-------------------------------step5：合并大宽表
---ds_hive.t_lbl_operations_beha_all
---增加字段
alter table ds_hive.t_lbl_operations_beha_all add columns(first_coll_call_dt string comment '距今最近一次活跃天数');
insert overwrite table ds_hive.t_lbl_fengx_new_all partition(data_date= "${hivevar:statis_date}")
select
user_id
,pay_lifecycle
,pay_actv_lvl_tm
,pay_actv_lvl
,pay_value_lvl
,pay_loyal_lvl
,pay_cosm_drive
,pay_disposition
,pay_vst_cnt_lvl
,pay_vst_bounce_lvl
,pay_vst_staytm_lvl
,pay_pg_staytm_lvl
,pay_epp_lifecycle
,pay_epp_bag_actv_lvl
,pay_epp_scan_actv_lvl
,pay_epp_byscan_actv_lvl
,pay_is_epp_tran
,pay_epp_tran_lvl
,pay_is_bank_tran
,pay_bank_tran_lvl
,pay_is_crdt_crd_tran
,pay_crdt_crd_tran_lvl
,pay_is_mbl_fill
,pay_mbl_fill_lvl
,pay_is_sch_crd_user
,pay_sch_crd_lvl
,pay_is_water_chrg
,pay_epp_vst_staytm_lvl
,pay_epp_pg_staytm_lvl
,pay_fin_rgst_dt
,pay_fin_rgst_days
,pay_fin_rgst_drtn
,pay_is_auto_bof_tran
,pay_fin_aum_lvl
,pay_fin_hold_amt
,pay_fin_lifecycle
,pay_fin_actv_lvl
,pay_bof_actv_lvl
,pay_fnd_actv_lvl
,pay_bill_actv_lvl
,pay_fin_value_lvl
,pay_bof_value_lvl
,pay_fnd_value_lvl
,pay_bill_value_lvl
,pay_is_fnd_prch
,pay_is_bof_zero_hold
,pay_is_bill_cash_user
,pay_inv_prd_love
,pay_inv_risk_love
,pay_inv_term_love
,pay_fin_tml_love
,pay_fin_vst_pg_lvl
,pay_fin_vst_cnt_lvl
,pay_fin_vst_bounce_lvl
,pay_fin_vst_staytm_lvl
,pay_fin_pg_staytm_lvl
,pay_fin_pay_tm_1st
,pay_fin_pay_days_1st
,pay_fin_pay_1st_drtn
,pay_bof_pay_1st_drtn
,pay_bof_pay_last_drtn
,pay_bof_hold_drtn
,pay_is_7d_fnd_fail
,pay_is_7d_bof_fail
,pay_is_7d_bil_fail
,pay_is_bil_vip
,pay_is_fnd_vip
,pay_is_bof_vip
,pay_bof_new_prch_7d
,pay_fin_new_non_prch_7d
,pay_fin_new_prch_7d
,pay_bof_new_prch_30d
,pay_fin_new_non_prch_30
,pay_fin_new_prch_30d
,pay_non_2nd_prch
,pay_non_prch_af_repay
,pay_bil_cash_cnt_1m
,pay_bil_cash_amt_1m
,pay_is_chp_focus_user
,pay_chp_foucs_attr
,pay_chp_focus_lvl
,pay_is_chp_pay_user
,pay_is_chp_lotto_user
,pay_chp_pay_tm_1st
,pay_chp_pay_days_1st
,pay_chp_pay_1st_drtn
,pay_chp_first_gz_type
,pay_chp_lifecycle
,pay_chp_actv_lvl
,pay_chp_value_lvl
,pay_chp_tml_love
,pay_chp_vst_pg_lvl
,pay_chp_vst_cnt_lvl
,pay_chp_vst_bounce_lvl
,pay_chp_vst_staytm_lvl
,pay_chp_pg_staytm_lvl
,pay_chp_is_click_farm
,pay_chp_lucky_draw_amt
,pay_chp_last_buy_cyc
,pay_chp_buy_gz_types
,pay_chp_buy_cnt
,pay_chp_reward_type_amt
,pay_chp_income_type_amt
,pay_chp_pv_cyc
,pay_chp_pv_types
,pay_chp_pv_cnt
,pay_chp_7days_nobuys
,pay_chp_15days_nobuys
,pay_chp_is_1yuan
,pay_chp_is_use_coupon
,pay_chp_coupon_use_cat
,pay_chp_coupon_use_cyc
,pay_chp_coupon_use_cnt
,pay_chp_coupon_use_amt
,pay_chp_coupon_ord_amt
,pay_chp_buy_cat
,pay_chp_buy_dept
,pay_cfc_rgst_dt
,pay_cfc_rgst_days
,pay_cfc_rgst_drtn
,pay_cfc_open_dt
,pay_cfc_open_drtn
,pay_cfc_pay_dt_1st
,pay_cfc_pay_1st_drtn
,pay_cfc_user_src
,pay_cfc_amt
,pay_cfc_bal
,pay_is_cfc_stages
,pay_is_cfc_flex_use
,pay_is_cfc_overdue
,pay_cfc_overdue_days
,pay_cfc_tml_love
,pay_is_nonfnc_mem
,pay_pupsec_status
,pay_chnel_lvl
,pay_chnel_cnt
,pay_mbl_auth
,pay_actv_type
,pay_app_hold
,pay_cfc_black_list
,pay_malicious_rgst
,pay_is_scalper
,pay_fin_black_list
,t35.last_active_days
,t38.first_coll_call_dt
from dwd.D_CST_PSNL_BSC_INFO_D t1
left join ds_hive.user_gender_label t2
on t1.user_id=t2.user_id and t2.data_date= '${hivevar:statis_date}'
......这里省略N张标签小表或者中间小宽表
--新增标签代码
left join ds_hive.t_user_first_coll_call_dt t38
on t1.user_id=t2.user_id and t35.data_date= '${hivevar:statis_date}'
where t1.data_date= '${hivevar:statis_date}'
;应用结果：人群拆分功能实现了对原人群的随机拆分，拆分过程完全随机且不受任何外部因素干扰，
这一特点保证了实验的有效性。最终通过对比不同子人群外呼效果找到了最合适的话术，其有效性相比其
他话术提高了 15%，外呼团队也针对性地提高了该话术在外呼中的占比。标签的管理
