ワンダーブリックス データセット

samplesカタログ内のwanderbricksスキーマには、シミュレーションされた旅行予約プラットフォームのデータセットが含まれています。これは、バケーションレンタルマーケットプレイスをモデル化したもので、ユーザーとホスト、物件リストと目的地、予約と支払い、レビューとサポートログ、クリックストリームアクティビティを網羅するテーブルが含まれています。

このデータセットを使用すると、独自のデータをロードせずに、データエンジニアリング パイプライン、アナリティクス ダッシュボード、機械学習ワークフローを探索できます。

データセットにアクセスする

Wanderbricks データセットはsamplesカタログにプリロードされており、Unity カタログ対応のワークスペースで利用できます。

スキーマ内のすべてのテーブルを一覧表示するには：

SQL

SHOW TABLES IN samples.wanderbricks;

特定のテーブルのデータをプレビューするには：

SQL

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

<table-name> 、調べたいテーブルに置き換えてください。たとえば、 bookingsまたはreviewsなどです。

テーブル

wanderbricksスキーマには以下のテーブルが含まれます。完全なリストについては、 SHOW TABLES IN samples.wanderbricksを実行してください。

テーブル	説明
users	名前、電子メール、国、ユーザー タイプなどのユーザー プロファイル。
hosts	物件情報にリンクされたホストのプロフィール（アカウント情報や連絡先情報を含む）。
properties	物件情報には、物件名、種類、価格、所在地などの詳細情報が含まれます。
bookings	チェックイン/チェックアウト日、宿泊人数、合計金額、ステータスなどの予約記録。
payments	支払い方法、金額、ステータス、予約参照番号を含む支払い記録。
booking_updates	変更データキャプチャ ( CDC ) パイプラインの予約状態変更記録。
reviews	物件に対するユーザーレビュー。評価、コメント、およびソフト削除を示すis_deletedフラグが含まれます。
clickstream	デバイスと参照元に関するネストされたメタデータを含む、ユーザーアクティビティイベント（閲覧、クリック、検索、フィルタ）。
page_views	ページビューイベントは、ユーザーとプロパティに関連付けられています。
customer_support_logs	送信者や感情などを含む、ネストされたメッセージの配列を含むサポートチケットログ。
destinations	物件情報に記載されている、目的地名と説明。

プライマリテーブルの関係

以下の図は、ユーザー、予約、宿泊施設、および関連テーブル間のつながりを示しています。

• ユーザーとホスト

  • users 旅行者とビジネス顧客を代表する。
  • hosts 不動産所有者および運営者を代表する。

• 宿泊施設と目的地

  • propertiesの各行は、ホストが所有するリストです。
  • properties リストの場所をモデル化するために、 destinationsへのリンクを作成します。

• 予約と支払い

  • bookings 旅行者（ user_id ）を宿泊施設（ property_id ）に接続します。
  • payments また、 booking_updates booking_idを参照して、財務取引とステータス変更を記録します。

• 行動と経験

  • clickstream また、 page_viewsユーザーがリストを閲覧し、操作する方法を追跡します。
  • reviews 宿泊後のユーザーおよび宿泊施設からのフィードバックを収集します。
  • customer_support_logs 記録は、ユーザーに関連付けられたインタラクションをサポートします。

クエリ例

次の例は、Wanderbricks データセットをクエリする方法を示しています。

ユーザー、予約、宿泊施設に参加しましょう

ゲストと宿泊施設の詳細を含む最近の予約履歴を表示する：

SQL

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;

Python

Python

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)

デバイス別にクリックストリームイベントを分析する

イベントの種類とデバイス別にエンゲージメントを要約します。

SQL

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;

Python

Python

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)

物件ごとのコンピュートの平均評価

十分なレビュー数があり、評価の高い物件を探しましょう。

SQL

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;

Python

Python

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)