Volymmått vs. effektivitetsmått

Det finns två typer av mått: volymmått, som skalar med storlek, och effektivitetsmått, som möjliggör jämförelser mellan grupper oavsett gruppernas storlek.

Vilket av följande är ett effektivitetsmått?

Den här övningen är en del av kursen

Rapportering i SQL

Visa kurs

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Rapportering i SQL

SkillTag.level.intermediateSkillTag.label

4.8+

811 reviews

Starta kursen gratis

Innan du börjar bygga rapporter för att besvara specifika frågor bör du bekanta dig med datan. I det här kapitlet lär du dig att använda ER-diagram och datautforskningstekniker för att skapa en solid förståelse av datan och bättre besvara affärsrelaterade frågor.

Exercise 1: Fallstudie Exercise 2: Identifiera grundrapporten Exercise 3: Bygg grundrapporten Exercise 4: Idrottare vs tävlingsgrenar per sport Exercise 5: OS-datasetet Exercise 6: Planera frågor med ett E:R-diagram Exercise 7: Äldsta atletens ålder per region Exercise 8: Antal evenemang per sport Exercise 9: Utforska våra data Exercise 10: Utforska summer_games Exercise 11: Validera din fråga Exercise 12: Rapport 1: Sommarspelens mest dekorerade idrottare

Frågor kan snabbt bli stora och komplexa. Det är viktigt att ha ett strukturerat tillvägagångssätt när du bygger mer avancerade frågor. I det här kapitlet tar du ett steg-för-steg-baserat angreppssätt för att planera och bygga en komplex fråga som kräver att du kombinerar tabeller på flera sätt och skapar olika typer av fält.

Exercise 1: Planera frågan Exercise 2: Planera SELECT-satsen Exercise 3: Planera filtreringen Exercise 4: Kombinera tabeller Exercise 5: JOIN följt av UNION-fråga Exercise 6: UNION följt av JOIN Exercise 7: Skapa anpassade fält Exercise 8: Repetition av CASE-satser Exercise 9: BMI-grupp per sport Exercise 10: Felsökning av CASE-satser Exercise 11: Filtrering och sista justeringar Exercise 12: Filtrering med JOIN Exercise 13: Filtrera med en underfråga Exercise 14: Rapport 2: Toppatleter från nobelprisbelönade länder

Även om det vore önskvärt lagras data i verkligheten sällan på ett idealiskt sätt. Enkelt uttryckt: data kan bli rörig. I kapitel 3 lär du dig att hantera sådan rörig data genom att åtgärda problem med datatyper, rensa strängar, hantera null-värden och ta bort duplicering.

Exercise 1: Konvertera datatyper Exercise 2: Identifiera datatyper Exercise 3: Tolka felmeddelanden Exercise 4: Använda datumfunktioner på strängar Exercise 5: Rensa strängar Exercise 6: Strängfunktioner Exercise 7: Ersätta och ta bort delsträngar Exercise 8: Åtgärda felaktiga grupperingar Exercise 9: Hantera null-värden Exercise 10: Filtrera bort null-värden Exercise 11: Åtgärda beräkningar med coalesce Exercise 12: Duplicerad data i rapporter Exercise 13: Identifiera dubbletter Exercise 14: Åtgärda duplicering med en JOIN Exercise 15: Rapport 3: Länder med höga medaljtakter

Rapporteringens verkliga värde visar sig när man presenterar icke-uppenbara insikter via komplexa beräkningar. I det här kapitlet lär du dig att bygga mer avancerade fält med hjälp av fönsterfunktioner och flerlagerberäkningar. Du får praktisk erfarenhet av att bygga två avancerade beräkningar i synnerhet: beräkning av andel av totalt värde och beräkning av prestandaindex.

Exercise 1: Bygga komplexa beräkningar Exercise 2: Testa fönsterfunktioner Exercise 3: Genomsnittliga guldmedaljer per region och land Exercise 4: Mest dekorerad idrottare per region Exercise 5: Jämföra grupper Exercise 6: Volymmått vs. effektivitetsmått

Aktuell övning

Exercise 7: BNP i procent per land Exercise 8: BNP per capita – prestationsindex Exercise 9: Jämföra datum Exercise 10: Månadsvis jämförelse Exercise 11: Vecka-för-vecka-jämförelse Exercise 12: Rapport 4: Längsta idrottarna och % av BNP per region Exercise 13: Kurssammanfattning