de-roadmap/dwh-modeling/Homework_Customer_Status_DDS_DM.md

Домашка: статусы клиента от STG до DDS (и немного DM)

Небольшое практическое задание на 1–2 вечера: по данным о смене статусов клиента (CRM) построить цепочку слоёв STG → ODS → DDS (SCD2) и, по желанию, небольшую витрину в dm.

Цель — потренировать руками:

• работу со слоями DWH (stg / ods / dds / dm);
• проектирование и загрузку измерения с историей (SCD Type 2);
• аккуратную работу со временем (event_ts, valid_from, valid_to).

Исходим из того, что вы уже прошли основную статью dwh-modeling/README.md и познакомились с примером интернет‑магазина.

---

1. Данные: события смены статуса клиента

Представьте, что в CRM для каждого клиента хранится история статусов:

• new — только что зарегистрировался;
• active — делал покупки недавно;
• vip — часто покупает и много тратит;
• churned — давно ничего не делал, считаем «отвалившимся».

Эта информация приходит в DWH в виде событий (events): «у клиента X в момент времени Y статус стал Z».

В репозитории в каталоге dwh-modeling/data лежит файл:

• customer_status_events.csv

Структура файла:

customer_id,status,event_ts,_load_id,load_ts
101,new,2024-01-01 09:00:00,batch_20250405_0800,2025-04-05 08:00:00
...

Колонки:

• customer_id — бизнес-ключ клиента (тот же, что и в основном примере — 101, 102, 103);
• status — статус клиента в CRM (new, active, vip, churned);
• event_ts — момент, когда статус сменился в CRM;
• _load_id — идентификатор батча загрузки;
• load_ts — момент, когда данные попали в DWH.

Файл содержит несколько клиентов и несколько смен статуса по каждому — этого достаточно, чтобы отработать SCD2.

---

2. Целевая схема: какие таблицы уже есть

Чтобы не тратить время на DDL, структуры таблиц для домашки уже подготовлены в dwh-modeling/sql:

• 07_ddl_hw_customer_status.sql — создаёт дополнительные таблицы:
  • stg.customer_status_raw — сырые события о статусе клиента;
  • ods.customer_status — очищенные и типизированные события;
  • dds.dim_customer_status — измерение статусов клиента в формате SCD Type 2.
• 08_dml_hw_customer_status_template.sql — шаблон DML-скрипта с подсказками и заготовками блоков.

Перед началом работы:

1. Поднимите demo‑Postgres по инструкции из корневого README.md.
2. Выполните базовые скрипты DWH:
   • 01_ddl_stg-dds.sql
   • 02_dml_stg-dds.sql
3. Выполните DDL для домашки:
   • 07_ddl_hw_customer_status.sql

После этого схемы stg, ods, dds уже существуют, а дополнительные таблицы для статусов созданы.

---

3. Часть 1 — STG → ODS (обязательно)

Задача: загрузить CSV в STG и переложить данные в ODS с приведением типов.

3.1. STG: загрузка CSV

1. Откройте psql в контейнере (см. инструкцию в postgres-bookings/README.md).
2. Загрузите файл customer_status_events.csv в таблицу stg.customer_status_raw:
   • можно использовать \copy из psql;
   • либо любой другой способ, к которому вы привыкли.
3. Убедитесь, что данные загрузились:

SELECT * FROM stg.customer_status_raw LIMIT 10;

3.2. ODS: очистка и типизация

В файле 08_dml_hw_customer_status_template.sql найдите заготовку блока ODS и допишите SQL:

• привести:
  • customer_id → INT,
  • status → VARCHAR(20) (можно оставить как есть),
  • event_ts и load_ts → TIMESTAMP;
• аккуратно обработать возможные пустые значения (если бы они были);
• заполнить _load_id и _load_ts в ods.customer_status.

Проверьте, что в ods.customer_status данные выглядят аккуратно:

SELECT * 
FROM ods.customer_status 
ORDER BY customer_id, event_ts;

---

4. Часть 2 — ODS → DDS (SCD Type 2, обязательно)

Задача: по событиям в ods.customer_status построить измерение dds.dim_customer_status, где каждая строка — период действия статуса.

Целевая таблица уже создана (см. 07_ddl_hw_customer_status.sql):

• customer_bk — бизнес-ключ клиента (тот же, что customer_id в ODS);
• status — статус клиента;
• hashdiff — хэш от атрибутов (здесь достаточно самого status);
• valid_from / valid_to — период, когда статус был актуален;
• is_current — флаг актуальной строки;
• created_at / updated_at — технические поля.

4.1. Начальная загрузка SCD2

В шаблоне 08_dml_hw_customer_status_template.sql допишите блок начальной загрузки:

1. Сформируйте промежуточный набор:

   • customer_bk,
   • status,
   • event_ts (как «время начала действия статуса»),
   • hashdiff (например, md5(status) или dds.customer_hash(status) по аналогии с dim_customer).

2. Для каждого клиента отсортируйте события по event_ts и с помощью LEAD() посчитайте:

   • valid_from — текущее event_ts,
   • valid_to — следующее event_ts - 1 second (или 9999-12-31, если следующего нет).

3. Вставьте получившиеся строки в dds.dim_customer_status:

INSERT INTO dds.dim_customer_status (
    customer_bk, status, hashdiff,
    valid_from, valid_to,
    is_current, created_at, updated_at
)
SELECT
    ...

Проверьте результат:

SELECT *
FROM dds.dim_customer_status
ORDER BY customer_bk, valid_from;

Ожидаемое поведение:

• у клиента 101 несколько строк с разными статусами и непересекающимися периодами;
• is_current = TRUE только у самой свежей строки для каждого клиента.

4.2. Проверка себя

Примеры проверочных запросов (можно придумать свои):

• «Какой статус был у клиента 101 на дату 2024-06-01?»
  → одна строка с нужным статусом.
• «Сколько клиентов были в статусе active на 2024-04-10?»
  → несколько строк, если статус активен для диапазона дат.

---

5. Часть 3 — инкрементальная загрузка (по желанию)

Если хочется потренироваться глубже:

1. Добавьте в CSV ещё несколько событий смены статуса (например, переход части клиентов из churned обратно в active).
2. Загрузите новые строки только в stg.customer_status_raw.
3. Напишите логику инкрементального обновления dds.dim_customer_status:

• ориентируйтесь на пример из 03_demo_increment.sql для dds.dim_customer;
• важно:
  • корректно «закрыть» старую актуальную строку (valid_to, is_current = FALSE);
  • вставить новую строку с is_current = TRUE.

Эта часть особенно полезна, если вы хотите почувствовать, как SCD2 живёт в реальном DWH.

---

6. Часть 4 — витрина в DM (по желанию)

Опциональное задание для закрепления: собрать небольшую витрину с количеством клиентов по статусам на каждую дату.

Пример целевой таблицы:

CREATE TABLE dm.mart_customer_status_daily (
    date_actual    DATE        NOT NULL,
    status         VARCHAR(20) NOT NULL,
    customers_cnt  INT         NOT NULL
);

Идея:

• использовать dds.dim_date как календарь;
• для каждой date_actual найти, какой статус был у клиента в этот день (через JOIN на dds.dim_customer_status по диапазону valid_from/valid_to);
• агрегировать по status.

Пример запроса к витрине:

SELECT
    date_actual,
    status,
    customers_cnt
FROM dm.mart_customer_status_daily
WHERE date_actual BETWEEN '2024-04-01' AND '2024-04-30'
ORDER BY date_actual, status;

---

7. Как вписать эту домашку в обучение

Рекомендуемое место в дорожке:

1. Пройти основную теорию по DWH и SCD:
   • dwh-modeling/README.md
   • dwh-modeling/SCD.md
2. Разобрать базовый пример интернет‑магазина (скрипты 01_–06_).
3. Выполнить эту домашку как первую попытку «самостоятельного» моделирования и ETL:
   • познакомиться с ещё одним измерением с историей (dim_customer_status);
   • потренироваться аккуратно работать с датами и периодами;
   • при желании — собрать простую витрину в dm.

Если что‑то не получается — можно разбирать решения по шагам вместе с ментором: от простого SELECT из STG до полноценного SCD2 в DDS.