Lektion 1Filtreringstekniker: WHERE vs HAVING, användning av EXISTS, IN, korrelerade underfrågorUtveckla precisa filtreringsstrategier för analytiska frågor. Jämför WHERE och HAVING, använd EXISTS och IN för underfrågefilter och tillämpa korrelerade underfrågor för att uttrycka komplexa, radmedvetna analytiska villkor.
WHERE vs HAVING i grupperade frågorAnvändning av IN och NOT IN med underfrågorEXISTS och NOT EXISTS för semi-joinsKorrelerade underfrågor för radmedveten logikHantering av NULL i filtervillkorPrestandatips för komplexa filterLektion 2SQL-datatyper och datum/tid-hantering (DATE, TIMESTAMP, numerisk precision)Lär dig de huvudsakliga SQL-datatyperna som används i analys och hur de påverkar lagring, precision och beräkningar. Förstå numeriska skalor, textbehandling och robusta datum- och tidsstämpeloperationer för tidsbaserad analys.
Numeriska typer och precision för måttTecken- och textdataövervägandenDATE vs TIMESTAMP och tidszonerTypkonvertering och kasting mellan typerDatumsaritmetik och intervallberäkningarExtrahera delar av datum för grupperingLektion 3Aggregationer och gruppering: GROUP BY, HAVING, COUNT, SUM, AVG, MIN, MAXLär dig summera data med aggregationer och gruppering. Använd GROUP BY och HAVING för att bygga mått, tillämpa COUNT, SUM, AVG, MIN och MAX samt designa robusta aggregerade frågor för instrumentpaneler och rapporter.
GROUP BY-grunder och syntaxAggregeringsfunktioner COUNT och SUMAVG, MIN och MAX för fördelningarHAVING för att filtrera aggregerade resultatGruppering efter uttryck och hinkarHantering av NULL i aggregationerLektion 4Ladda CSV-filer till databaser: COPY, LOAD DATA, sqlite-import och vanliga fallgroparLär dig praktiska metoder för att ladda CSV-data till databaser för analys. Använd COPY, LOAD DATA och SQLite-import, hantera avgränsare och teckenkodningar samt undvik vanliga fallgropar som orsakar felaktiga eller partiella laddningar.
Förbereda CSV-filer för pålitliga importerAnvända COPY i PostgreSQL och liknande systemLOAD DATA för MySQL och kompatibla motorerSQLite .import-arbetsflöde och alternativHantera teckenkodningar, avgränsare och citatteckenValidera radantal och avvisade posterLektion 5DDL- och DML-grunder: CREATE TABLE, ALTER, INSERT, UPDATE, DELETE, transaktionskontrollLär dig hur DDL och DML formar och modifierar tabeller för analys. Öva på att skapa och ändra scheman, infoga och uppdatera data, radera säkert samt använda transaktioner för att säkerställa dataintegritet i analytiska arbetsflöden och pipelines.
Skapa analytiska tabeller med CREATE TABLEModifiera scheman säkert med ALTER TABLEINSERT-mönster för bulk- och inkrementella laddningarUPDATE och DELETE med säkra predikatCOMMIT, ROLLBACK och transaktionsomfattningACID-egenskaper i analytiska arbetsbelastningarLektion 6Frågegrunder: SELECT, WHERE, ORDER BY, LIMIT, DISTINCTBemästra kärnsyntaxen för frågor som används i nästan varje analys. Lär dig hur SELECT hämtar kolumner, WHERE filtrerar rader, ORDER BY sorterar resultat, LIMIT styr provstorlek och DISTINCT tar bort dubbletter i analytiska frågor.
SELECT-lista design och kolumnaliasFiltrera rader med WHERE-villkorSortera resultat med ORDER BYLIMIT och OFFSET för dataproverAnvända DISTINCT för att ta bort dubbletterGrundläggande felsökning och förfining av frågorLektion 7Joins och mängdoperationer: INNER, LEFT, RIGHT, FULL, CROSS, UNION, EXCEPT, INTERSECTFörstå hur joins och mängdoperationer kombinerar dataset för analys. Lär dig när varje jointyp ska användas, hur man undviker dubblettfel och hur UNION, EXCEPT och INTERSECT stöder komplexa analytiska jämförelser.
INNER JOIN för skärande datasetLEFT, RIGHT och FULL OUTER JOIN-användningsfallCROSS JOIN och kartesiska produkter i analysUNION vs UNION ALL för att stapla dataEXCEPT och INTERSECT för mängdjämförelserUpptäcka och hantera joint-dubbletterLektion 8Relationella databas-koncept: tabeller, primär-/utländska nycklar, normalisering vs denormaliseringFörstå kärnrelationella koncept som underbygger analytiska scheman. Lär dig tabeller, primär- och utländska nycklar, normaliseringsformer och när man ska denormalisera för prestanda i rapportering och BI-arbetsbelastningar.
Tabeller, rader och kolumner i praktikenPrimärnycklar och unikhetsbegränsningarUtländska nycklar och referentiell integritetNormaliseringsformer och redundanskontrollDenormalisering för rapporteringsprestandaStjärn- och snöflingesscheman översiktLektion 9Prestandagrunder: index, frågeplaner, explain/analyze, enkla optimeringsstrategier för analytiska frågorFå en praktisk vy av frågeprestanda för analys. Lär dig hur index fungerar, läs frågeplaner, använd EXPLAIN och ANALYZE samt tillämpa enkla optimeringsstrategier för att hålla analytiska frågor effektiva.
Hur index snabbar upp sökningar och joinsLäsa och tolka frågeplanerAnvända EXPLAIN och ANALYZE i praktikenIdentifiera långsamma filter och joinsOptimera GROUP BY och aggregationerGrundläggande indexstrategier för analysLektion 10Översikt över fönsterfunktioner: ROW_NUMBER, RANK, DENSE_RANK, SUM() OVER(), AVG() OVER(), PARTITION BYUtforska fönsterfunktioner för avancerad analys utan att kollapsa rader. Lär dig rankning, löpande totaler, glidande medelvärden och partitioneringsstrategier som driver kohort-, trend- och segmenteringsanalys i SQL.
Fönsterfunktionssyntax och OVER-klausulROW_NUMBER, RANK och DENSE_RANK-användningsfallLöpande totaler med SUM() OVER()Glidande medelvärden med fönsterramarPARTITION BY för kohort- och segmentlogikORDER BY i fönster vs frågeordning
