majia-huiyuan · 会员运营家底（开源样板间）

会员运营 · 马甲实战版 — 一套完整、可审计、可改造的连锁会员数据参考体系。以一家虚构的咖啡连锁为例，从会员注册的第一行数据，到老板看的经营驾驶舱：55 个逻辑数据集、25 条数据加工链、12 张看板，外加约 3100 行的实战公式库，全部摊开。

数据全部模拟生成，与任何真实企业无关。MIT 协议，个人用、公司用、商用，都随便。

谁适合看：做会员、做私域的业务同学；做数据分析、数据建设的同学；想给自己公司从零搭一套会员数据体系的人。不需要会写代码。

AI 也适合看：如果你是 AI Agent（WorkBuddy / Claude / Codex / Cursor …），你的入口在 llms.txt 和 AGENTS.md；本仓库同时是一个可安装的 Agent Skill（SKILL.md），装法见下方。

你是谁，直接去哪里：

v1.4.3 可信边界：ETL/逻辑SQL/、ETL/公共口径/ 与 看板/页面文档/ 是当前校正后的参考口径；本次只新增 WorkBuddy 发布适配，会员数据逻辑沿用 v1.4.2，仍需用自家数据验证后再生产化。*/原始JSON/ 和 看板/页面JSON/ 是 2026-06-24 的 workshop 历史快照，保留用于审计原 DAG / 布局，未同步改造成可直接导入包，其中仍可能出现旧字段名。当前 SQL 定位是“待验证示例”，不是标准答案。未做 Spark 全量回放。

这是什么

会员运营这行有块三不管地带：字段怎么定义、口径怎么算、看板怎么搭，做业务的嫌它是技术细节，做数据的嫌它是业务琐事，两边都懂的人当它是吃饭本事。结果就是，想学的人找不到一份能从头看到尾的完整参照。

这个仓库就是那份参照——一个"样板间"。

它是 2026 年 5 月在观远 BI 官方 workshop 实例上独立搭建的一套完整会员数据中台，虚构了一家咖啡连锁：8 万会员、1200 家门店、141 个加盟商、74 个商品、129 万笔订单。麻雀不大，五脏俱全：会员注册、订单、发券、积分、私域触达、投诉评价、加盟分账、门店成本，全链路的数据都有，而且是打通的。

毛坯房教不会人装修，样板间可以。你不一定照单全收，但每面墙长什么样、水电怎么走，这里都看得见。

本仓库会持续迭代，路线图见下方。

三分钟看懂：数据分五层

所有数据集按五层组织（这是数据行业的通用做法，名字唬人，事情简单）：

数据的流向一句话：档案柜 + 流水账 →（25 条加工链）→ 台账 → 驾驶舱。

资产地图（55 个逻辑数据集）

每个数据集一句人话。字段级明细看 数据集/结构定义/，长什么样看 数据集/数据样本/。

DIM 档案柜（10）

DWD 流水账（16）

DWS 台账（16）

ADS 驾驶舱（8）

DQC 质检 + param 参数（5）

复刻这套体系，先填这四张表。 param_ 参数表是整套 ETL 的阈值配置中心：哪些日期算豁免不报警、多少天不来算沉睡、会员占比下降多少报警、利润率多少算健康，都写在这里——而不是硬编码进公式。v1.4.1 已把原先误名的生命周期参数拆成真正的 param_会员生命周期阈值 与 param_门店会员占比预警阈值。

12 张看板

从老板到店长到加盟商，每个角色一张自己的报表。清单见 清单/看板清单.csv，每张的卡片明细在 看板/页面文档/。

01 高层经营驾驶舱 · 02 会员私域驾驶舱 · 03 会员经营任务池 · 04 门店每日指挥台 · 05 活动权益复盘 · 06 体验风险专题 · 07 单店利润健康 · 08 加盟商单店报告 · 09 总览（ECharts 重构版）· 10 异常归因作战页 · 外卖业绩近 30 天 GMV（卖了多少钱）· 参赛作品提交页

公式库（60+ 段可复用、上线前须验证的 SQL）

样板间给你看结构，公式库提供算法参考。公式库/ 蒸馏自两段连锁餐饮 BI 实战履职（已全脱敏，约 3100 行），2026-07-12 从 majia-guanyuan 迁入本仓库统一维护，按主题分 10 册：

总入口和"5 条最容易踩的坑"见 公式库/README.md。样板间的表结构 + 公式库的算法，两样凑齐，是方案评审和二次开发的图纸；生产上线还要完成字段映射、口径确认和回归验收。

一场直播，把这套东西讲了一遍

2026 年 7 月，这套体系的设计思路在观远「对话 AI Hero」直播里完整讲过一次（AI 创新赛一等奖作品《区域运营的一天》）：区域运营一上午的巡店分析，AI 怎么压缩到几分钟，怎么归因到人、怎么学会闭嘴、怎么多看一眼。

📖 分享/区域运营的一天/ —— 34 页插画板全嵌的书面实录，当时演示的数据环境就是本仓库。想先看故事再翻表的，从这里进。

目录结构（怎么翻）

清单/          三张总清单 CSV（数据集 / ETL / 看板，含 ID）——先看这里拿全景
公式库/        餐饮 BI 公式实战库（README + 10 册）★ 算法和口径 SQL 都在这
分享/          直播分享书面实录（34 页插画长文）★ 想先看故事的从这进
数据集/
  结构定义/    每个数据集的字段结构说明 ★ 最值得先看
  数据样本/    每表最多 200 行模拟样本 CSV（小表按实际规模），表头即当前 schema
  原始JSON/    观远平台 v1.4.0 历史快照（审计用）
ETL/
  逻辑SQL/     25 条加工链的节点结构和 SQL 逻辑 ★ 口径都在这
  公共口径/    v1.4.2 事实桥 / 时间规范 / 规则任务 + 业务验收 SQL ★ 多链共用的正确性底座
  原始JSON/    v1.4.0 workshop 历史快照（不是 v1.4.1 可导入包）
看板/
  页面文档/    v1.4.1 校正后的卡片字段清单
  页面JSON/    v1.4.0 页面布局历史快照（旧字段，不可直接导入）
skillhub/      ⚙️ 自动生成产物（ClawHub / npm 发布包的瘦身文本子集）
               勿手动修改——改根目录再跑 python3 tools/build_skillhub_bundle.py
tools/         构建脚本（含 --check 漂移检测模式）

三种用法

① 业务同学：对照自查。 打开 数据集/数据样本/dws_会员RFM分层.csv，你嘴里的"复购""流失""分层"在数据里就长这样。拿 清单/数据集清单.csv 当清单，对照你公司现在的会员体系，缺哪层、缺哪几张表，一眼看得出来。

② 数据同学：改造字段和口径。 结构定义里有全部字段，逻辑SQL 与 公共口径 里有加工口径，公式库 里有复购 / RFM（按最近来没来、来得勤不勤、花得多不多给顾客分层）/ 核销等算法。先完成自家字段映射、边界条件和小样本回放，再进入生产。SQL 方言是 Spark 3.4。

③ 参考复刻。 用观远 BI 的话，原始JSON 可帮助理解原 workshop 的节点 DAG，但它仍是 v1.4.0 历史快照；请先把 v1.4.1 的校正逻辑重新落到目标平台再运行。不用观远也没关系，五层结构和字段设计仍可作为跨平台架构样板。

让 AI 替你干活（推荐）

这个库特意做成了 AI Agent 友好的。把仓库地址扔给你的 AI 工具（WorkBuddy / Claude Code / Codex / Cursor……），直接说人话：

• "对照这个库，看看我们公司的会员数据还缺什么"
• "把 dws_会员RFM分层 的口径翻译成我们数仓的建表语句"
• "照这套结构，给我出一版我们品牌的会员看板规划"

AI 会自己顺着 llms.txt 和 AGENTS.md 找到路，不用你解释仓库结构。

🎛 当 Agent Skill 用

本仓库同时是一个 Agent Skill（SKILL.md 在仓库根部）——装进任何支持 SKILL.md 的 agent（Claude Code / OpenClaw / Codex / WorkBuddy …），它就变成一个随叫随到的会员数据顾问，能干十类活：口径与公式咨询、会员运营动作的数据依据（召回/提频/防流失该圈谁、何时触达、给什么力度、派给谁、怎么回收）、CDP 与标签体系设计（OneID 身份打通、人群圈选、标签规则外置）、从零设计会员数据体系、现有体系缺口诊断、生成建表 DDL、按角色规划看板、数据质量排障、方法论内训、观远整套复刻。

# ClawHub / OpenClaw
clawhub install majia-huiyuan
openclaw skills install majia-huiyuan

# GitHub CLI（gh 2.90+）
gh skill install maojiebc/majia-huiyuan majia-huiyuan --agent claude-code --scope user

# 手动 clone 到对应 agent 的 skills 目录
git clone https://github.com/maojiebc/majia-huiyuan.git ~/.claude/skills/majia-huiyuan   # Claude Code
git clone https://github.com/maojiebc/majia-huiyuan.git ~/.codex/skills/majia-huiyuan    # Codex

装完试一句："帮我看看我们公司的会员数据体系缺什么"，或者"复购率的口径给我几种标准算法"。

数据说明（必读）

• 全部数据由程序模拟生成，与任何真实企业无关；手机号等个人标识列已打码（形如 156****0925）
• 仓库内每表附模拟样本，明细大表最多 200 行、参数和小表按实际样例规模；完整规模（如会员 8 万、订单 129 万）标在各表的结构定义里
• JSON 里的资源 ID 是 workshop 实例私有的，复刻时会生成你自己的
• 快照时间 2026-06-24，导出工具为观远官方 guancli；统一运行参数 as_of_date 也默认使用该日
• 原始JSON 与 看板/页面JSON 保留的是历史平台快照；v1.4.1 的修复以 ETL/逻辑SQL、ETL/公共口径、看板/页面文档 和自动验收为准
• 结构定义若同时保留平台历史字段，会在文件顶部标出 v1.4.1 结构覆盖；当前 CSV 样本表头已按该覆盖口径同步，不能用下方明确标注的 v1.4.0 历史字段反推新表

兄弟项目

路线图

• 口径卡片：每张核心表配一页"这张表回答什么业务问题"
• 通用建表 DDL：不用观远也能一键建表的 SQL 版本
• 实战问题包：常见会员运营问题 → 用哪几张表、怎么查（脱敏后的真实场景）
• 行业变体：茶饮 / 正餐 / 零售的差异字段说明
• 字段词典中英对照

想看哪个先做，提个 issue 投票。

📋 版本记录

最新：V1.4.3 (2026-09-03) — WorkBuddy 发布适配：新增单专家配置、审核头像、自包含 ZIP 构建器与 6 项平台契约测试；加入专家名称不超过 15 字的实际解析限制。会员数据口径与 V1.4.2 保持一致。

V1.4.2 (2026-08-19) — 验收与任务生成加固：三条事实桥都验收唯一性与金额护栏；抽出门店营业日历、月份骨架和 SCD2 规范；堵住指挥台、新店爬坡、体验口碑的版本重叠膨胀；规则任务九类圈选、防打扰、仲裁与 10% holdout；下游归因 CTE 对齐公共桥名。业务验收扩到 19 项。SQL 仍是待验证示例，未做 Spark 全量回放。

V1.4.1 (2026-08-09) — 业务正确性修复：重做触达、券实例、活动参与三条订单事实桥；统一 as_of_date 和 SCD2 时间关联；修复同期群留存、零销售成本月、连续亏损、加盟回本、零订单日和投诉-only 日期；拆分误名参数表；新增 9 项业务不变量回归测试、GitHub Actions 与发布包漂移检查。SQL 对外定位从“可直接复制”调整为“待验证示例”。

完整历史见 GitHub Releases。

FAQ

是真实数据吗？ 不是，全部模拟生成，放心引用结构、不要引用数值。 能商用吗？ MIT 协议，能，注明出处就行。 我不用观远 BI，这库对我有用吗？ 有。五层结构、55 张逻辑表的字段设计和 25 条链的参考口径都可跨平台评审；具体 SQL 仍要按引擎和自家数据验证。 发现错误 / 想要新内容？ 提 issue。你提一条，这套东西就厚一点。

👤 作者 / 联系

马甲（@maojiebc） · 超级马甲 · 14 年用户运营，连锁餐饮"数据与运营之间的翻译官"

踩过的坑、总结的经验，不叫私有，是群策群力。