Das erste Kapitel ist eine Einführung in den Anwendungsfall eines Online-Filmverleihs namens MovieNow und konzentriert sich auf die Verwendung einfacher SQL-Abfragen, um Daten aus seiner Datenbank zu extrahieren und zu aggregieren.

Einführung in die datengestützte Entscheidungsfindung

Erkunden der Daten

Erkunden der Tabelle „renting“

Filtern und Ordnen

Arbeiten mit Daten

Filme auswählen

Aus „renting“ auswählen

Aggregationen – Zusammenfassen von Daten

Kundeninformationen zusammenfassen

Bewertungen von Film 25

Erkunden der jährlichen Ausleihen

Einführung in Business Intelligence für eine Online-Filmverleih-Datenbank

Komplexere Abfragen mit GROUP BY, LEFT JOIN und Unterabfragen werden verwendet, um Einblicke in die Kundenpräferenzen zu erhalten.

Filme gruppieren

Erstes Konto für jedes Land.

Durchschnittliche Filmbewertungen

Durchschnittliche Bewertung pro Kunde

Verknüpfung von Filmbewertungen mit Kundendaten

„renting“ und „customers“ verbinden

Aggregieren von Einnahmen, Mieten und aktiven Kunden

Filme und Schauspieler

Geldausgaben pro Kunde mit Unterabfragen

Einnahmen aus Filmen

Alter der Schauspieler aus den USA

Identifiziere die Lieblingsschauspieler der Kundengruppen

Bestimme die Lieblingsfilme einer Gruppe von Kunden

Identifiziere Lieblingsschauspieler für Spanien

KPIs pro Land

Entscheidungsfindung mit einfachen SQL-Abfragen

Das Konzept der verschachtelten Abfragen und der korrelierten verschachtelten Abfragen wird vorgestellt und die Funktionen EXISTS und UNION werden verwendet, um Kunden, Filme, Schauspieler und mehr zu kategorisieren.

Verschachtelte Abfrage

Oft ausgeliehene Filme

Häufige Kunden

Filme mit einer Bewertung über dem Mittelwert

Korrelierte verschachtelte Abfragen

Analyse des Kundenverhaltens

Kunden, die niedrige Bewertungen abgegeben haben

Filme und Bewertungen mit korrelierten Abfragen

Abfragen mit EXISTS

Kunden mit mindestens einer Bewertung

Schauspieler in Komödien

Abfragen mit UNION und INTERSECT

Junge Schauspieler, die nicht aus den USA kommen

Dramen mit hohen Bewertungen

Datengestützte Entscheidungsfindung mit erweiterten SQL-Abfragen

Die OLAP-Erweiterungen in SQL werden eingeführt und auf aggregierte Daten auf mehreren Ebenen angewendet.  Diese Erweiterungen sind die Operatoren CUBE, ROLLUP und GROUPING SETS.

OLAP: CUBE-Operator

Gruppen von Kunden

Kategorien von Filmen

Analyse der durchschnittlichen Bewertungen

ROLLUP

Anzahl der Kunden

Analyse der Präferenzen von Genres in verschiedenen Ländern

GROUPING SETS

Abfragen mit GROUPING SETS

Erforschung der Nationalität und des Geschlechts der Schauspieler

Untersuchung der Bewertung nach Land und Geschlecht

Und jetzt alles zusammen

Kundenpräferenz für Genres

Kundenpräferenz für Schauspieler

Datengestützte Entscheidungsfindung mit OLAP SQL-Abfragen

MovieNow

In diesem Kurs lernst du, wie du SQL zur Entscheidungsfindung nutzen kannst. Es basiert auf einer Fallstudie über einen Online-Filmverleih mit einer Datenbank über Kundeninformationen, Filmbewertungen, Hintergrundinformationen über Schauspieler und mehr. Du wirst lernen, SQL-Abfragen anzuwenden, um zum Beispiel Kundenpräferenzen, Kundenbindung und Verkaufsentwicklung zu untersuchen. Dieser Kurs behandelt auch die SQL-Erweiterungen für die analytische Online-Verarbeitung (OLAP), die es einfacher macht, wichtige Erkenntnisse aus multidimensionalen aggregierten Daten zu gewinnen.

Data Manipulation in SQL

Lernen Sie, eine SQL-Tabelle zu analysieren und Erkenntnisse dem Management zu berichten.

Datengestützte Entscheidungsfindung in SQL

Lernen Sie, eine SQL-Tabelle zu analysieren und Erkenntnisse an das Management zu berichten.

Assoziierter Datenanalyst in SQL

SQL für Business Analysten

Data Scientist at Applied Statistics

OLAP: CUBE operator

Introduction to OLAP

Table rentings_extended

Pivot table - number of movie rentals

Pivot table and SQL output

GROUP BY CUBE

Number of ratings

Now it's your turn to GROUP BY CUBE!

Datengestützte Entscheidungsfindung mit OLAP SQL-Abfragen - OLAP: CUBE-Operator