¿Quién consume menos?

Quieres comprender mejor los comportamientos individuales de carga identificando algunos de los valores atípicos más extremos en la duración de carga. Idealmente, quieres segmentar el análisis por punto de carga para elaborar hipótesis más fundamentadas. Para ello, tienes acceso completo a la interfaz de Snowflake y a la base de datos que empieza por COURSE_41767.

Este ejercicio forma parte del curso

Funciones de ventana en Snowflake

Ver curso

ejercicio interactivo práctico

Convierte la teoría en práctica con uno de nuestros ejercicios interactivos

Empezar ejercicio

Este ejercicio forma parte del curso

Funciones de ventana en Snowflake

IntermedioNivel de habilidad

4.9+

532 reviews

Empieza el curso gratis

¡Abre la ventana a un mundo de posibilidades con las funciones de ventana de Snowflake! Empezarás diferenciando las funciones de ventana de las funciones tradicionales. Luego, aprenderás a asignar un número de fila y un ranking a cada registro en una consulta. Una vez domines lo básico, pondrás la "ventana" en las funciones de ventana usando PARTITION BY. Verás cómo obtener y usar el primer y el último valor de una determinada ventana antes de terminar con un adelanto de las funciones de agregación.

Exercise 1: Asignar números de fila Exercise 2: Crear una función de ventana Exercise 3: Añadir números de fila a las sesiones de carga Exercise 4: Surfeando la ola de calor Exercise 5: Funciones de ventana de ranking Exercise 6: ¿Fue una carga rápida?Exercise 7: Comparar la energía consumida Exercise 8: Particionar datos en una función de ventana Exercise 9: ¡Sigue el rastro del dinero!Exercise 10: Profundizando en los costes de carga

¡Hora de subir el nivel! En este capítulo, llevarás las funciones de ranking un paso más allá. Empezarás con una variante de RANK, llamada DENSE_RANK, que gestiona los empates de forma algo distinta. También explorarás una versión más potente de las funciones que viste en la lección anterior usando NTH_VALUE. Después, crearás “grupos” de datos con NTILE, que es más útil de lo que parece. Además, incorporarás una herramienta muy práctica llamada CUME_DIST para encontrar el número de registros menores o iguales que un determinado registro en una ventana. Cerrarás el capítulo con una de las aplicaciones más potentes de las funciones de ventana que has visto hasta ahora: LAG y LEAD.

Exercise 1: Más funciones de ordenación Exercise 2: Promocionar los vehículos adecuados Exercise 3: Optimizar la programación de carga Exercise 4: Definir un coste mínimo de carga Exercise 5: NTILE y CUME_DIST Exercise 6: Encuesta a propietarios de vehículos Exercise 7: Evaluar la duración de la carga Exercise 8: ¿Cuánto tiempo pasan los propietarios entre cargas?Exercise 9: LAG y LEAD Exercise 10: ¡Mirando al pasado!Exercise 11: Mantener la eficiencia del cargador Exercise 12: Carga del cargador rápido

Empezarás este último capítulo con funciones de agregación como AVG, COUNT y SUM. Compararás el resultado de estas funciones con registros individuales dentro de una ventana, además de realizar cálculos adicionales. Después, dominarás la aplicación más interesante de las funciones de ventana: ¡los cálculos acumulados y móviles! Empezarás calculando medias y totales acumulados para distintas métricas de carga de vehículos eléctricos. Por último, cerrarás el curso generando totales y medias móviles con una ventana deslizante.

Exercise 1: Funciones de ventana de agregación Exercise 2: Implica a las personas propietarias con métricas Exercise 3: Visualizar la duración y el coste de las sesiones de carga Exercise 4: ¿Quién consume menos?

Ejercicio actual

Exercise 5: Marcos de ventana Exercise 6: ¿Están aumentando las duraciones de carga?Exercise 7: Identificar cargadores ineficientes Exercise 8: Medias móviles y totales Exercise 9: Moving vs. running Exercise 10: Impacto de la temperatura en la tasa de carga Exercise 11: ¡Juntándolo todo!Exercise 12: ¡Enhorabuena!