假设已知 促销信息编号 促销编号 商品编号 商品名称 促销价 促销开始时间 促销结束时间 SKU限购数量 购买数量 促销状态1：新建 3：审核中 5：审核通过 6：售罄or取消 7：驳回 商品标价 系统版本 记录时间 更新记录时间 记录账号 更新记录账号 删除标识 0:有效 1:无效 时间戳 1：已开始 0：未开始（供推送消息功能使用） 1: 已结束 0：未结束（供推送消息功能） 成本价 是否补贴 无效字段 商品促销类型，3单品直降，4限时抢购，5单品买赠，6新人专享，7第二件N折， 时间id 记录日期。 1）、活动类型不同（包括秒杀，单品直降，新人专享，第二件N折两种及以上活动类型），则重叠时间内活动权重最高的优先生效，权重由高到低排序为：新人专享-秒杀-直降-第二件N折； 2）、活动类型相同（如活动都是秒杀，或者都是单品直降等），则看活动开始时间： a、假设A、B两个直降活动，A活动开始时间为1点-5点，B活动开始时间为1点-8点，两个活动开始时间一样，则只会有一个活动生效： 首先判断促销力度，力度大的生效； 如果促销力度一样，后创建的活动生效； b、假设A、B两个秒杀活动，A活动开始时间为1点-10点，B活动开始时间为5点-8点，两个活动开始时间一不样，则两个活动都会生效： 1点-5点，A活动生效； 5点-8点，B活动生效，同时A活动失效； 8点-10点，A活动不会再恢复，两个活动均失效。 建立适当的指标衡量商场每天的打折力度，并计算该商场从2016年11月30日到2019年1月2日每天的打折力度。根据活动类型和活动时间写出python语言代码。

这是一个比较复杂的问题，需要一定的时间来进行分析和编写代码。以下是我提供的大致思路：

1. 首先，需要对促销信息进行筛选，找出在2016年11月30日到2019年1月2日期间的促销信息。

2. 对于同一个商品，可能有多个促销信息，需要根据促销信息的类型和时间进行排序，确定哪一个促销信息应该生效。

3. 对于不同的商品，需要计算每天的打折力度。打折力度可以定义为：商场打折后的销售额与商场原价的销售额之比。因此，需要统计每天商场打折后的销售额和商场原价的销售额，并计算出打折力度。

4. 最后，将每天的打折力度进行汇总，得到商场从2016年11月30日到2019年1月2日每天的打折力度。

以下是一份可能的Python代码，需要根据实际情况进行调整和修改：

import pandas as pd

# 读取促销信息数据
data = pd.read_csv('promotions.csv')

# 将促销开始时间和结束时间转换为日期格式
data['start_time'] = pd.to_datetime(data['start_time'])
data['end_time'] = pd.to_datetime(data['end_time'])

# 筛选出2016年11月30日到2019年1月2日期间的促销信息
data = data[(data['start_time'] >= '2016-11-30') & (data['end_time'] <= '2019-01-02')]

# 对促销信息进行排序，确定哪一个促销信息应该生效
data = data.sort_values(['product_id', 'type', 'start_time', 'created_time'], ascending=[True, False, True, True])
data = data.drop_duplicates(subset=['product_id'], keep='first')

# 计算每天的打折力度
start_date = pd.to_datetime('2016-11-30')
end_date = pd.to_datetime('2019-01-02')
delta = pd.Timedelta(days=1)
discounts = []
while start_date <= end_date:
    # 筛选出当天的促销信息
    today_data = data[(data['start_time'] <= start_date) & (data['end_time'] >= start_date)]
    # 计算商场打折后的销售额和商场原价的销售额
    discounted_sales = today_data['discounted_price'] * today_data['purchase_quantity']
    original_sales = today_data['original_price'] * today_data['purchase_quantity']
    # 计算打折力度
    discount = discounted_sales.sum() / original_sales.sum()
    discounts.append(discount)
    start_date += delta

# 输出每天的打折力度
for i, discount in enumerate(discounts):
    date = pd.to_datetime('2016-11-30') + pd.Timedelta(days=i)
    print('{}: {:.2%}'.format(date.date(), discount))