Wanderbricks 데이터 세트

wanderbricks 카탈로그의 samples 스키마에는 시뮬레이션된 여행 예약 플랫폼 데이터 세트가 포함되어 있습니다. 휴가 숙소 임대 마켓플레이스를 모델로 하며, 이는 사용자 및 호스트, 부동산 목록 및 목적지, 예약 및 결제, 리뷰 및 지원 로그, 클릭스트림 활동을 포괄하는 테이블로 구성되어 있습니다.

이 데이터 세트를 사용하여 사용자 고유의 데이터를 로드하지 않고도 데이터 엔지니어링 파이프라인, 분석 대시보드 및 기계 학습 워크플로를 탐색할 수 있습니다.

데이터 세트 액세스

Wanderbricks 데이터 세트는 카탈로그에 samples 미리 로드되며 Unity 카탈로그 사용 작업 영역에서 사용할 수 있습니다.

스키마의 모든 테이블을 나열하려면 다음을 수행합니다.

SQL

SHOW TABLES IN samples.wanderbricks;

파이썬

display(spark.sql("SHOW TABLES IN samples.wanderbricks"))

특정 테이블의 데이터를 미리 보려면 다음을 수행합니다.

SQL

SELECT *
FROM samples.wanderbricks.<table-name>
LIMIT 10;

파이썬

display(spark.read.table("samples.wanderbricks.<table-name>").limit(10))

<table-name>을 탐색하려는 테이블로 바꾸세요. 예를 들면 bookings 또는 reviews입니다.

Tables

스키마에는 wanderbricks 다음 테이블이 포함됩니다. 전체 목록을 보려면 SHOW TABLES IN samples.wanderbricks을(를) 실행하세요.

기본 테이블 관계

다음 다이어그램은 사용자, 예약, 속성 및 관련 테이블 간의 연결을 보여 줍니다.

• 사용자 및 호스트
  • users 는 여행자 및 비즈니스 고객을 나타냅니다.
  • hosts 는 속성 소유자 및 연산자를 나타냅니다.
• 속성 및 대상
  • 각 행 properties 은 호스트가 소유한 목록입니다.
  • properties와 destinations는 목록이 위치한 모델을 나타내는 링크입니다.
• 예약 및 결제
  • bookings는 여행자()를 속성(user_idproperty_id)에 연결합니다.
  • payments 및 booking_updates 금융 거래 및 상태 변경을 캡처하기 위한 참조 booking_id 입니다.
• 동작 및 환경
  • clickstream 및 page_views는 사용자가 목록을 검색하고 상호 작용하는 방식을 추적합니다.
  • reviews 는 사용자 및 속성에 의한 체류 후 피드백을 캡처합니다.
  • customer_support_logs 레코드는 사용자에 연결된 상호 작용을 지원합니다.

예제 쿼리

다음 예제에서는 Wanderbricks 데이터 세트를 쿼리하는 방법을 보여 줍니다.

사용자, 예약 및 속성 통합

게스트 및 숙박 시설 세부 정보와 함께 최근 예약을 반환합니다.

SQL

SELECT
  u.name              AS guest_name,
  p.title             AS property_title,
  b.check_in,
  b.check_out,
  b.total_amount,
  b.status
FROM samples.wanderbricks.bookings AS b
JOIN samples.wanderbricks.users AS u
  ON b.user_id = u.user_id
JOIN samples.wanderbricks.properties AS p
  ON b.property_id = p.property_id
ORDER BY b.check_in DESC
LIMIT 10;

파이썬

bookings_df = spark.read.table("samples.wanderbricks.bookings")
users_df = spark.read.table("samples.wanderbricks.users")
properties_df = spark.read.table("samples.wanderbricks.properties")

result_df = (
    bookings_df
    .join(users_df, bookings_df.user_id == users_df.user_id)
    .join(properties_df, bookings_df.property_id == properties_df.property_id)
    .select(
        users_df.name.alias("guest_name"),
        properties_df.title.alias("property_title"),
        bookings_df.check_in,
        bookings_df.check_out,
        bookings_df.total_amount,
        bookings_df.status
    )
    .orderBy(bookings_df.check_in.desc())
    .limit(10)
)

display(result_df)

디바이스별 클릭스트림 이벤트 분석

이벤트 유형 및 디바이스별 참여 요약:

SQL

SELECT
  metadata.device AS device_type,
  event,
  COUNT(*)        AS event_count
FROM samples.wanderbricks.clickstream
GROUP BY metadata.device, event
ORDER BY event_count DESC;

파이썬

from pyspark.sql.functions import col, count

clickstream_df = spark.read.table("samples.wanderbricks.clickstream")

result_df = (
    clickstream_df
    .groupBy(col("metadata.device").alias("device_type"), col("event"))
    .agg(count("*").alias("event_count"))
    .orderBy(col("event_count").desc())
)

display(result_df)

각 속성의 평균 등급을 계산하기

리뷰 수가 충분한 최고 등급의 매물을 찾습니다.

SQL

SELECT
  p.title                       AS property_title,
  p.property_type,
  ROUND(AVG(r.rating), 2)       AS avg_rating,
  COUNT(r.rating)               AS review_count
FROM samples.wanderbricks.properties AS p
JOIN samples.wanderbricks.reviews    AS r
  ON p.property_id = r.property_id
WHERE r.is_deleted = false
GROUP BY p.title, p.property_type
HAVING COUNT(r.rating) >= 5
ORDER BY avg_rating DESC
LIMIT 10;

파이썬

from pyspark.sql.functions import avg, count, round as pyspark_round, col

properties_df = spark.read.table("samples.wanderbricks.properties")
reviews_df = spark.read.table("samples.wanderbricks.reviews")

result_df = (
    properties_df
    .join(reviews_df, properties_df.property_id == reviews_df.property_id)
    .where(reviews_df.is_deleted == False)
    .groupBy(
        properties_df.title.alias("property_title"),
        properties_df.property_type
    )
    .agg(
        pyspark_round(avg(reviews_df.rating), 2).alias("avg_rating"),
        count(reviews_df.rating).alias("review_count")
    )
    .filter(col("review_count") >= 5)
    .orderBy(col("avg_rating").desc())
    .limit(10)
)

display(result_df)