The first chapter is an introduction to the use case of an online movie rental company, called MovieNow and focuses on using simple SQL queries to extract and aggregated data from its database.

Introduction to data driven decision making

Exploring the database

Exploring the table renting

Filtering and ordering

Working with dates

Selecting movies

Select from renting

Aggregations - summarizing data

Summarizing customer information

Ratings of movie 25

Examining annual rentals

Introduction to business intelligence for a online movie rental database

More complex queries with GROUP BY, LEFT JOIN and sub-queries are used to gain insight into customer preferences.

Filmleri gruplama

Her ülke için ilk hesap.

Ortalama film puanları

Müşteri başına ortalama puan

Film puanlarını müşteri verileriyle birleştirme

renting ve customers tablolarını birleştir

Gelir, kiralamalar ve aktif müşterileri bir araya getirme

Filmler ve oyuncular

Alt sorgularla müşteri başına harcanan para

Filmlerden elde edilen gelir

ABD'li oyuncuların yaşı

Müşteri gruplarının favori oyuncularını belirle

Bir müşteri grubunun favori filmlerini belirle

İspanya için favori aktörleri belirle

Ülke bazında KPI'lar

Decision Making with simple SQL queries

The concept of nested queries and correlated nested queries is introduced and the functions EXISTS and UNION  are used to categorize customers, movies, actors, and more.

Nested query

Often rented movies

Frequent customers

Movies with rating above average

Correlated nested queries

Analyzing customer behavior

Customers who gave low ratings

Movies and ratings with correlated queries

Queries with EXISTS

Customers with at least one rating

Actors in comedies

Queries with UNION and INTERSECT

Young actors not coming from the USA

Dramas with high ratings

Data Driven Decision Making with advanced SQL queries

The OLAP extensions in SQL are introduced and applied to aggregated data on multiple levels.  These extensions are the CUBE, ROLLUP and GROUPING SETS operators.

OLAP: CUBE operator

Groups of customers

Categories of movies

Analyzing average ratings

ROLLUP

Number of customers

Analyzing preferences of genres across countries

GROUPING SETS

Queries with GROUPING SETS

Exploring nationality and gender of actors

Exploring rating by country and gender

Bringing it all together

Customer preference for genres

Customer preference for actors

Data Driven Decision Making with OLAP SQL queries

MovieNow

Bu kursta, karar vermeyi desteklemek için SQL kullanmayı öğreneceksin. İçeriği; müşteri bilgileri, film puanları, oyunculara dair arka plan bilgileri ve daha fazlasını içeren bir veritabanına sahip çevrimiçi bir film kiralama şirketine ait bir vaka çalışmasına dayanıyor. Örneğin müşteri tercihlerini, müşteri etkileşimini ve satış gelişimini incelemek için SQL sorgularını nasıl uygulayacağını öğreneceksin. Bu kurs ayrıca, çok boyutlu özetlenmiş verilerden kilit içgörüler elde etmeyi kolaylaştıran çevrimiçi analitik işleme (OLAP) için SQL uzantılarını da kapsar.

Data Manipulation in SQL

SQL tablosunu analiz etmeyi ve yönetim için içgörü raporlamayı öğrenin.

SQL ile Veri Odaklı Karar Verme

SQL tablosunu analiz etmeyi ve yönetimine içgörüleri raporlamayı öğrenin.

Yardımcı Veri Analisti SQL içinde

İş Analistleri için SQL

Professor Statistics and Data Science

Alt sorgularla müşteri başına harcama

Ardışık SELECT ifadeleri - aktrisler

Ardışık SELECT sonucu - aktrisler

Her müşteri ne kadar harcadı?

Haydi pratik yapalım!

Decision Making with simple SQL queries - Alt sorgularla müşteri başına harcanan para

Alt sorgularla müşteri başına harcanan para

Create Your Free Account