目前互联网领域有很多公司都在做APP领域的“用户行为分析”产品，与Web时代的行为分析相类似，其目的都是帮助公司的运营、产品等部门更好地优化自家产品，比如查看日活和月活，查看渠道来源，提高留存、转化、活跃度等等。 在这个研发过程中，有个比较核心的需求，叫做“有序漏斗”。而传统的“有序漏斗”定义比较简单，而客户往往会有更高层次的需求。为了解决客户实际问题，更好的提升产品体验，因此在去年“有序漏斗”的基础上增加了各种功能。

根据所提供的数据以及约定的漏斗计算规则，根据具体需求计算结果，在结果准确的基础上，耗时最少者获胜。

漏斗计算规则：

参赛者根据我们提供的用户行为数据，准确计算出各种场景的漏斗转换数据。
计算场景举例：
1、 计算出20180601-20180610范围内，依次有序触发“login-登陆”、“searchGoods-搜索商品”、“consultGoods-咨询商品”、“addCart-加入购物车”的用户转换情况，且满足时间窗口为1天，且要求“consultGoods-咨询商品”与“addCart-加入购物车”对应的“name-商品名称”属性相同。
2、 计算出2018年6月份中，依次有序触发 “searchGoods-搜索商品”、“consultGoods咨询商品”、“order-生成订单”的用户转换情况以及各步骤转换时间中位数，且满足时间窗口为7天，且结果按“searchGoods-搜索商品”的“城市”属性分组。
3、 计算出2018年6月份中，依次有序触发“searchGoods-搜索商品”、“consultGoods咨询商品”、“addCart-加入购物车”、“orderPayment-订单付款”的用户转换情况以及各步骤转换时间中位数，且满足时间窗口为7天，且“consultGoods咨询商品”、“addCart-加入购物车”的“brand-品牌”相等，且结果按“consultGoods-咨询商品”的商品价格进行分组，价格分层条件为100元以下,【100-200），【200-300）,300以上。

数据为文本文件格式，具体包含字段有：
 （1）用户ID，字符串类型
 
（2）时间戳，秒级别，Long类型
 
（3）事件CODE，字符串类型，包含startUp、login、searchGoods等15个事件
 （4）事件名称，字符串类型，包含启动、登陆、搜索商品等15个事件 

 （5）事件属性，Json串格式 。包含，city：字符串；name:字符串；brand:字符串；price:浮点型（3位精度），nums：整型,how：整型；

 （6）日期，字符串类型
   
测试数据总条数3亿左右，日期范围：2018/06/01到2018/07/05。
  比赛数据总条数10亿左右, 日期范围：2018/06/01到2018/07/15。
 

Analysys_olap_2018_demo.dat.gz ：测试数据，报名后即可下载。供大赛参赛者开发调试使用。
正式比赛数据包含2部分：
Analysys_olap_2018.dat.gz ：正式数据，赛前提供，供参赛者提前导入
Analysys_olap_2018_ append.dat.gz ：正式数据，比赛时提供，要求大赛参赛者比赛过程中先增量导入，然后完成所有需求的计算。

云盘地址：https://pan.baidu.com/s/1VfE--viF3MPyrhbKcbRuog 密码: 6y8m

（1）算法说明文档或PPT
（2）算法源代码
（3）测试数据的预测结果（可重复提交，但每天只能提交一次，最终结果取最优的一次）

所有题目，默认按日期分组计算展示各步骤用户数，维度以及中位数根据题目要求计算。
维度,周期,step1用户数,step2用户数,step3用户数,step4用户数,1-2转换中位数,2-3转换中位数,3-4转换中位数
汇总,01,1000,900,800,700,100000,100000,100000
汇总,02,1000,900,800,700,100000,100000,100000
andriod,01,300,200,100,50,120000,120000,120000
ios,01,300,200,100,50,120000,120000,120000

计算结果正常的情况下，对用时进行排名，用时少者获胜。