Pierwszy rozdział stanowi wprowadzenie do przypadku firmy MovieNow – wypożyczalni filmów online. Skupia się na wykorzystaniu prostych zapytań SQL do wyodrębniania i agregowania danych z jej bazy.

Wprowadzenie do podejmowania decyzji opartych na danych

Eksploracja bazy danych

Eksploracja tabeli renting

Filtrowanie i sortowanie

Praca z datami

Wybieranie filmów

Selekcja z tabeli renting

Agregacje – podsumowywanie danych

Podsumowanie informacji o klientach

Oceny filmu o ID 25

Analiza rocznych wypożyczeń

Wprowadzenie do business intelligence dla bazy danych wypożyczalni filmów online

Bardziej złożone zapytania z GROUP BY, LEFT JOIN i podzapytaniami są wykorzystywane do analizy preferencji klientów.

Grupowanie filmów

Pierwsze konto dla każdego kraju.

Średnie oceny filmów

Średnia ocena na klienta

Łączenie ocen filmów z danymi klientów

Łączenie tabel renting i customers

Agregowanie przychodów, wypożyczeń i aktywnych klientów

Filmy i aktorzy

Pieniądze wydane przez klienta – podzapytania

Przychody z filmów

Wiek aktorów z USA

Rozpoznawanie ulubionych aktorów w grupach klientów

Ulubione filmy wybranej grupy klientów

Ulubieni aktorzy w Hiszpanii

KPI według kraju

Podejmowanie decyzji z użyciem prostych zapytań SQL

Zostaje wprowadzona koncepcja zapytań zagnieżdżonych i skorelowanych zapytań zagnieżdżonych. Funkcje EXISTS i UNION są używane do kategoryzowania klientów, filmów, aktorów i nie tylko.

Zapytanie zagnieżdżone

Często wypożyczane filmy

Stali klienci

Filmy z oceną powyżej średniej

Skorelowane podzapytania zagnieżdżone

Analiza zachowań klientów

Klienci, którzy wystawili niskie oceny

Filmy i oceny w zapytaniach skorelowanych

Zapytania z EXISTS

Klienci z co najmniej jedną oceną

Aktorzy w komediach

Zapytania z UNION i INTERSECT

Młodzi aktorzy spoza USA

Dramaty z wysokimi ocenami

Podejmowanie decyzji na podstawie danych z użyciem zaawansowanych zapytań SQL

Rozszerzenia OLAP w SQL są wprowadzane i stosowane do agregowania danych na wielu poziomach. Omawiane rozszerzenia to operatory CUBE, ROLLUP i GROUPING SETS.

OLAP: operator CUBE

Grupy klientów

Kategorie filmów

Analiza średnich ocen

ROLLUP

Liczba klientów

Analiza preferencji gatunkowych w różnych krajach

GROUPING SETS

Zapytania z GROUPING SETS

Analiza narodowości i płci aktorów

Analiza ocen według kraju i płci

Łączymy wszystko w całość

Preferencje klientów dotyczące gatunków

Preferencje klientów dotyczące aktorów

Podejmowanie decyzji na podstawie danych z użyciem zapytań SQL OLAP

MovieNow

W tym kursie nauczysz się, jak używać SQL do wspomagania podejmowania decyzji. Kurs opiera się na studium przypadku firmy zajmującej się wypożyczaniem filmów online, której baza danych zawiera informacje o klientach, oceny filmów, dane o aktorach i wiele więcej. Nauczysz się stosować zapytania SQL do analizy preferencji klientów, ich zaangażowania oraz rozwoju sprzedaży. Kurs obejmuje również rozszerzenia SQL do przetwarzania analitycznego online (OLAP), które ułatwiają wyciąganie kluczowych wniosków z wielowymiarowych danych zagregowanych.

Data Manipulation in SQL

Naucz się analizować tabelę SQL i raportować wnioski kierownictwu.

Podejmowanie decyzji na podstawie danych w SQL

Naucz się analizować tabelę SQL i przedstawiać wnioski kierownictwu.

Młodszy analityk danych w SQL

SQL dla analityków biznesowych

Data Scientist at Applied Statistics

Identyfikacja ulubionych aktorów grup klientów

Łączenie instrukcji SQL w jednym zapytaniu

Od rekordów wypożyczeń do danych o klientach i aktorach

Klienci płci męskiej

Który aktor jest ulubiony?

Dodanie HAVING i ORDER BY

Czas na ćwiczenia!

Podejmowanie decyzji z użyciem prostych zapytań SQL - Rozpoznawanie ulubionych aktorów w grupach klientów

Rozpoznawanie ulubionych aktorów w grupach klientów

Create Your Free Account