CommencezCommencez gratuitement

Accueil
Cours
Prise de décision fondée sur les données avec SQL

ROLLUP

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Cette activité fait partie du cours

Prise de décision fondée sur les données avec SQL

SkillTag.level.intermediateSkillTag.label

4.8+

Commencer le cours gratuitement

Ce premier chapitre présente le cas d'utilisation d'une entreprise de location de films en ligne, appelée MovieNow, et met l'accent sur l'utilisation de requêtes SQL simples pour extraire et agréger des données de sa base de données.

Exercise 1: Introduction à la prise de décisions fondée sur les données Exercise 2: Explorer la base de données Exercise 3: Explorer la table renting Exercise 4: Filtrer et trier Exercise 5: Travailler avec les dates Exercise 6: Sélectionner des films Exercise 7: Sélection à partir de renting Exercise 8: Agrégations - synthétiser les données Exercise 9: Résumer l'information sur la clientèle Exercise 10: Cotes du film 25 Exercise 11: Analyser les locations annuelles

Des requêtes plus complexes avec GROUP BY, LEFT JOIN et des sous‑requêtes sont utilisées pour mieux comprendre les préférences des clients.

Exercise 1: Regrouper des films Exercise 2: Premier compte pour chaque pays.Exercise 3: Notes moyennes des films Exercise 4: Note moyenne par client Exercise 5: Joindre les évaluations de films aux données des clients Exercise 6: Joindre renting et customers Exercise 7: Agrégation des revenus, des locations et des clientes et clients actifs Exercise 8: Films et acteurs Exercise 9: Dépenses par client avec des sous-requêtes Exercise 10: Revenus des films Exercise 11: Âge des acteurs et actrices des États-Unis Exercise 12: Identifier les acteurs préférés des groupes de clients Exercise 13: Identifier les films préférés d'un groupe de clients Exercise 14: Identifier les acteurs préférés en Espagne Exercise 15: Indicateurs par pays

Le concept de requêtes imbriquées et de requêtes imbriquées corrélées est présenté, et les fonctions EXISTS et UNION sont utilisées pour catégoriser les clients, les films, les acteurs et plus encore.

Exercise 1: Requête imbriquée Exercise 2: Films souvent loués Exercise 3: Clients fréquents Exercise 4: Films avec une cote au-dessus de la moyenne Exercise 5: Requêtes imbriquées corrélées Exercise 6: Analyser le comportement des clients Exercise 7: Clients ayant donné de faibles évaluations Exercise 8: Films et évaluations avec requêtes corrélées Exercise 9: Requêtes avec EXISTS Exercise 10: Clients ayant au moins une évaluation Exercise 11: Acteurs dans les comédies Exercise 12: Requêtes avec UNION et INTERSECT Exercise 13: Jeunes acteurs n'étant pas originaires des É.-U.Exercise 14: Drames avec de fortes évaluations

Les extensions OLAP de SQL sont présentées et appliquées à des données agrégées à plusieurs niveaux. Ces extensions comprennent les opérateurs CUBE, ROLLUP et GROUPING SETS.

Exercise 1: OLAP : opérateur CUBE Exercise 2: Groupes de clientes et clients Exercise 3: Catégories de films Exercise 4: Analyser les notes moyennes Exercise 5: ROLLUP

Exercice en cours

Exercise 6: Nombre de clients Exercise 7: Analyser les préférences de genres selon les pays Exercise 8: GROUPING SETS Exercise 9: Requêtes avec GROUPING SETS Exercise 10: Explorer la nationalité et le genre des acteurs Exercise 11: Explorer les évaluations par pays et par genre Exercise 12: Réunir le tout Exercise 13: Préférences des clients pour les genres Exercise 14: Préférences des clients pour les acteurs