CommencerCommencer gratuitement

Page d’accueil
Cours
Prise de décision basée sur des données

\`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.

Cet exercice fait partie du cours

Prise de décision basée sur des données

IntermédiaireNiveau de compétence

4.8+

Commencer le cours gratuitement

Le premier chapitre est une introduction au cas d'utilisation d'une société de location de films en ligne, appelée MovieNow, et se concentre sur l'utilisation de simples requêtes SQL pour extraire et agréger des données de sa base de données.

Exercise 1: Introduction à la prise de décision fondée sur des données Exercise 2: Explorer les données Exercise 3: Exploration de la table des locations Exercise 4: Filtre et tri Exercise 5: Travailler avec des dates Exercise 6: Sélection de films Exercise 7: Sélectionnez la location Exercise 8: Agrégations : résumer les données Exercise 9: Résumer les informations sur les clients Exercise 10: Évaluations du film 25 Exercise 11: Examen des locations annuelles

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

Exercise 1: Regrouper des films Exercise 2: Premier compte pour chaque pays.Exercise 3: Note moyenne des films Exercise 4: Note moyenne par client Exercise 5: Associer les évaluations de films aux données des clients Exercise 6: Effectuez une jointure entre la table des locations et la table des clients Exercise 7: Agrégation des revenus, des locations et des clients actifs Exercise 8: Films et acteurs Exercise 9: Argent dépensé par client avec des sous-requêtes Exercise 10: Bénéfices des films Exercise 11: Âge des acteurs venant des USA 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 de l'Espagne Exercise 15: KPI par pays

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

Exercise 1: Requête imbriquée Exercise 2: Films souvent loués Exercise 3: Clients fréquents Exercise 4: Films dont la note est supérieure à la moyenne Exercise 5: Requêtes imbriquées corrélées Exercise 6: Analyser le comportement des clients Exercise 7: Clients ayant donné des notes basses Exercise 8: Films et classements avec requêtes corrélées Exercise 9: Requêtes avec EXISTS Exercise 10: Clients ayant au moins une évaluation Exercise 11: Acteurs de comédies Exercise 12: Requêtes avec UNION et INTERSECT Exercise 13: Jeunes acteurs qui ne sont pas originaires des USA Exercise 14: Drames à forte audience

Les extensions de OLAP en SQL sont introduites et appliquées aux données agrégées à plusieurs niveaux. Ces extensions sont les opérateurs CUBE, ROLLUP et GROUPING SETS.

Exercise 1: OLAP : opérateur CUBE Exercise 2: Groupes de clients Exercise 3: Catégories de films Exercise 4: Analyse des notes moyennes Exercise 5: \`ROLLUP\`

Exercice en cours

Exercise 6: Nombre de clients Exercise 7: Analyse des préférences de genres dans les différents pays Exercise 8: \`GROUPING SETS\`Exercise 9: Requêtes avec \`GROUPING SETS\`Exercise 10: Explorer la nationalité et le sexe des acteurs Exercise 11: Explorer l'évaluation par pays et par sexe Exercise 12: Tout rassembler Exercise 13: Préférence des clients pour les genres Exercise 14: Préférence des clients pour les acteurs