Combien de temps les propriétaires parcourent-ils entre deux charges ?

Il est utile de comprendre combien de temps les propriétaires de véhicules attendent entre deux sessions de recharge. La colonne distance_driven est un bon indicateur : plus la distance est grande, plus l'intervalle entre les charges est généralement long. Cela aide l'équipe finance à projeter les revenus et l'équipe opérations à s'assurer que les bornes sont correctement réparties. Votre mission : regrouper les propriétaires en « segments » pour mieux comprendre ces tendances.

Vous allez travailler avec le schéma ELECTRIC_VEHICLES dans la base de données commençant par COURSE_41767.

⚠️ Impossible de sélectionner une base de données, ou vous obtenez une erreur « table not found » ?

Utilisez le chemin complet de la table dans votre clause FROM. Récupérez-le depuis le panneau de gauche : onglet Databases → développez votre base COURSE_… → sélectionnez la table → Copy name.

Cet exercice fait partie du cours

<cours>Fonctions de fenêtre dans Snowflake</cours>

Exercice interactif pratique

Transformez la théorie en action avec l’un de nos exercices interactifs

Commencer l’exercice

Cet exercice fait partie du cours

<cours>Fonctions de fenêtre dans Snowflake</cours>

IntermédiaireNiveau de compétence

4.9+

Commencer le cours gratuitement

Ouvrez la fenêtre sur un monde de possibilités avec les fonctions de fenêtre de Snowflake ! Vous lancerez la dynamique en distinguant les fonctions de fenêtre des fonctions traditionnelles. Ensuite, vous apprendrez à fournir un numéro de ligne et un classement pour chaque enregistrement d’une requête. Une fois les bases acquises, vous mettrez la « fenêtre » dans les fonctions de fenêtre, grâce à PARTITION BY. Vous verrez comment trouver et utiliser la première et la dernière valeur d’une fenêtre donnée, avant de conclure par un aperçu des fonctions d’agrégation.

Exercise 1: Attribuer des numéros de ligne Exercise 2: Construire une fonction de fenêtre Exercise 3: Ajouter des numéros de ligne aux sessions de recharge Exercise 4: Vague de chaleur Exercise 5: Fonctions de fenêtrage de classement Exercise 6: Était-ce une recharge rapide ?Exercise 7: Comparer l’énergie consommée Exercise 8: Partitionner les données dans une fonction de fenêtre Exercise 9: Suivez l’argent !Exercise 10: Explorer les coûts de recharge

On passe à la vitesse supérieure ! Dans ce chapitre, vous allez approfondir les fonctions de classement. Vous commencerez avec une variante de RANK, appelée DENSE_RANK, qui gère les ex æquo d’une manière un peu différente. Vous explorerez aussi une version plus robuste des fonctions vues dans la leçon précédente avec NTH_VALUE. Ensuite, vous créerez des « compartiments » de données à l’aide de NTILE, plus utile qu’il n’y paraît. Vous découvrirez également un petit outil pratique, CUME_DIST, pour trouver le nombre d’enregistrements inférieurs ou égaux à un enregistrement donné dans une fenêtre. Vous conclurez le chapitre avec l’une des applications les plus puissantes des fonctions de fenêtre vues jusqu’ici : LAG et LEAD.

Exercise 1: Autres fonctions de classement Exercise 2: Promouvoir les bons véhicules Exercise 3: Optimiser la planification de la recharge Exercise 4: Définir un coût minimum de recharge Exercise 5: NTILE et CUME_DIST Exercise 6: Interroger des propriétaires de véhicules Exercise 7: Évaluer la durée de charge Exercise 8: Combien de temps les propriétaires parcourent-ils entre deux charges ?

Exercice actuel

Exercise 9: LAG et LEAD Exercise 10: Regarder dans le passé !Exercise 11: Maintenir l’efficacité des bornes de recharge Exercise 12: Chargeur Lightning : charge de travail

Vous commencerez ce dernier chapitre avec des fonctions d’agrégation comme AVG, COUNT et SUM. Vous comparerez le résultat de ces fonctions aux enregistrements individuels d’une fenêtre, et vous les utiliserez pour effectuer des calculs supplémentaires. Ensuite, vous maîtriserez l’application la plus enthousiasmante des fonctions de fenêtre : les calculs cumulatifs et mobiles ! Vous commencerez par calculer des moyennes et des totaux cumulatifs pour différentes métriques liées à la recharge de véhicules électriques. Enfin, vous terminerez le cours en générant des totaux et des moyennes mobiles avec une fenêtre glissante !

Exercise 1: Fonctions de fenêtre d’agrégation Exercise 2: Impliquer les propriétaires de véhicules avec des indicateurs Exercise 3: Visualiser la durée et le coût des sessions de recharge Exercise 4: Qui consomme le moins ?Exercise 5: Cadres de fenêtre Exercise 6: Les durées de charge s’allongent-elles ?Exercise 7: Identifier les bornes inefficaces Exercise 8: Moyennes et totaux mobiles Exercise 9: Glissant vs. cumulatif Exercise 10: Impact de la température sur le taux de charge Exercise 11: Mettons tout ensemble !Exercise 12: Félicitations !