SPIS TREŚCI
- Wprowadzenie
- O książce
- Odbiorcy
- O rozdziałach
- Konwencje stosowane w książce
- Przygotowywanie środowiska
- Instalowanie systemu PostgreSQL 12
- Pobieranie i instalowanie systemu PostgreSQL dla systemu Windows
- Konfigurowanie zmiennej Path
- Instalowanie systemu PostgreSQL w systemie Linux
- Instalowanie systemu PostgreSQL w systemie macOS
- Instalowanie Pythona
- Instalowanie Pythona w systemie Windows
- Instalowanie Pythona w systemie Linux
- Instalowanie Pythona w systemie macOS
- Instalowanie systemu Git
- Instalowanie systemu Git w systemach Windows i macOS X
- Instalowanie systemu Git w systemie Linux
- Pobieranie przykładowych zbiorów danych dla systemu Windows
- Pobieranie przykładowych zbiorów danych dla systemu Linux
- Pobieranie przykładowych zbiorów danych dla systemu macOS
- Uruchamianie plików SQL
- Instalowanie bibliotek
- Pliki z kodem
- O książce
- 1. Wprowadzenie do SQL-a dla analityków
- Wprowadzenie
- Świat danych
- Rodzaje danych
- Analityka danych i statystyka
- Rodzaje statystyki
- Zadanie 1.01 klasyfikowanie nowego zbioru danych
- Metody z obszaru statystyki opisowej
- Analiza jednoczynnikowa
- Rozkład danych
- Ćwiczenie 1.01 tworzenie histogramu
- Kwantyle
- Ćwiczenie 1.02 obliczanie kwartyli dla sprzedaży dodatków
- Tendencja centralna
- Ćwiczenie 1.03 obliczanie miar tendencji centralnej dla sprzedaży dodatków
- Dyspersja
- Ćwiczenie 1.04 obliczanie dyspersji dla sprzedaży dodatków
- Analiza dwuczynnikowa
- Wykresy punktowe
- Współczynnik korelacji Pearsona
- Ćwiczenie 1.05 obliczanie współczynnika korelacji Pearsona dla dwóch zmiennych
- Interpretowanie i analizowanie współczynnika korelacji
- Dane w postaci szeregów czasowych
- Interpretowanie i analizowanie współczynnika korelacji
- Zadanie 1.02 eksplorowanie danych sprzedażowych z salonu samochodowego
- Praca z niepełnymi danymi
- Testy istotności statystycznej
- Często używane testy istotności statystycznej
- Relacyjne bazy danych i SQL
- Wady i zalety baz SQL-owych
- Podstawowe typy danych w SQL-u
- Typy liczbowe
- Typy znakowe
- Typ logiczny
- Daty i godziny
- Struktury danych format JSON i tablice
- Wczytywanie tabel kwerenda SELECT
- Podstawowa budowa i działanie kwerendy SELECT
- Podstawowe słowa kluczowe w kwerendach SELECT
- Instrukcje SELECT i FROM
- Klauzula WHERE
- Klauzule AND i OR
- Klauzule IN i NOT IN
- Klauzula ORDER BY
- Klauzula LIMIT
- Klauzule IS NULL i IS NOT NULL
- Ćwiczenie 1.06 kwerenda SELECT z podstawowymi słowami kluczowymi dotycząca tabeli salespeople
- Zadanie 1.03 kwerenda SELECT z podstawowymi słowami kluczowymi dotycząca tabeli customers
- Tworzenie tabel
- Tworzenie pustych tabel
- Ograniczenia kolumn
- Ćwiczenie 1.07 tworzenie tabeli w SQL-u
- Tworzenie tabel za pomocą kwerendy SELECT
- Tworzenie pustych tabel
- Aktualizowanie tabel
- Dodawanie i usuwanie kolumn
- Dodawanie nowych danych
- Aktualizowanie istniejących wierszy
- Ćwiczenie 1.08 aktualizowanie tabeli w celu podniesienia ceny pojazdu
- Usuwanie danych i tabel
- Usuwanie wartości z wiersza
- Usuwanie wierszy z tabeli
- Usuwanie tabel
- Ćwiczenie 1.09 usuwanie niepotrzebnej tabeli
- Zadanie 1.04 tworzenie i modyfikowanie tabel na potrzeby działań marketingowych
- SQL i analityka
- Podsumowanie
- 2. Przygotowywanie danych za pomocą SQL-a
- Wprowadzenie
- Łączenie danych
- Łączenie tabel za pomocą słowa kluczowego JOIN
- Rodzaje złączeń
- Złączenia wewnętrzne
- Złączenia zewnętrzne
- Złączenia krzyżowe
- Ćwiczenie 2.01 używanie złączeń do analizy sprzedaży w salonach
- Podkwerendy
- Sumy
- Ćwiczenie 2.02 generowanie listy gości na przyjęcie dla klientów VIP za pomocą klauzuli UNION
- Wyrażenia WITH
- Przekształcanie danych
- Funkcja CASE WHEN
- Ćwiczenie 2.03 używanie funkcji CASE WHEN do pobierania list klientów z danego regionu
- Funkcja COALESCE
- Funkcja NULLIF
- Funkcje LEAST i GREATEST
- Funkcja CASTING
- Funkcje DISTINCT i DISTINCT ON
- Zadanie 2.01 używanie SQL-a do tworzenia modelu wspomagającego sprzedaż
- Podsumowanie
- 3. Agregacja i funkcje okna
- Wprowadzenie
- Funkcje agregujące
- Ćwiczenie 3.01 używanie funkcji agregujących do analizowania danych
- Funkcje agregujące z klauzulą GROUP BY
- Klauzula GROUP BY
- Klauzula GROUP BY dla kilku kolumn
- Ćwiczenie 3.02 obliczanie cen dla typów produktów za pomocą klauzuli GROUP BY
- Klauzula GROUPING SETS
- Funkcje agregujące dla zbiorów uporządkowanych
- Klauzula HAVING
- Ćwiczenie 3.03 obliczanie wyników i wyświetlanie danych z użyciem klauzuli HAVING
- Stosowanie funkcji agregujących do oczyszczania danych i sprawdzania ich jakości
- Znajdowanie brakujących wartości za pomocą klauzuli GROUP BY
- Pomiar jakości danych za pomocą funkcji agregujących
- Zadanie 3.01 analizowanie danych sprzedażowych z użyciem funkcji agregujących
- Funkcje okna
- Podstawy funkcji okna
- Ćwiczenie 3.04 analizowanie zmian współczynnika podawania danych przez klientów w czasie
- Słowo kluczowe WINDOW
- Obliczanie statystyk z użyciem funkcji okna
- Ćwiczenie 3.05 określanie pozycji na podstawie daty zatrudnienia
- Ramka okna
- Ćwiczenie 3.06 motywowanie pracowników lunchem
- Zadanie 3.02 analizowanie sprzedaży z wykorzystaniem ramek okna i funkcji okna
- Podsumowanie
- 4. Importowanie i eksportowanie danych
- Wprowadzenie
- Polecenie COPY
- Kopiowanie danych za pomocą narzędzia psql
- Konfigurowanie poleceń COPY i \copy
- Użycie poleceń COPY i \copy do masowego wczytywania danych do bazy
- Ćwiczenie 4.01 eksportowanie danych do pliku w celu dalszego przetwarzania ich w Excelu
- Zastosowanie języka R do bazy danych
- Po co korzystać z języka R?
- Wprowadzenie do języka R
- Zastosowanie języka Python do bazy danych
- Po co korzystać z języka Python?
- Wprowadzenie do języka Python
- Ułatwianie dostępu do baz PostgreSQL w Pythonie za pomocą narzędzi SQLAlchemy i pandas
- Czym jest SQLAlchemy?
- Używanie Pythona w narzędziu Jupyter Notebook
- Pobieranie danych z bazy i ich zapisywanie w bazie za pomocą pakietu pandas
- Ćwiczenie 4.02 wczytywanie i wizualizowanie danych w Pythonie
- Zapisywanie danych w bazie za pomocą Pythona
- Zwiększanie szybkości zapisu w Pythonie za pomocą polecenia COPY
- Odczyt i zapis plików CSV w Pythonie
- Najlepsze praktyki z obszaru importowania i eksportowania danych
- Pomijanie podawania hasła
- Zadanie 4.01 używanie zewnętrznego zbioru danych do wykrywania trendów sprzedażowych
- Podsumowanie
- 5. Analityka z wykorzystaniem złożonych typów danych
- Wprowadzenie
- Wykorzystywanie typów danych z datami i czasem do analiz
- Wprowadzenie do typu date
- Przekształcanie typów danych
- Przedziały
- Ćwiczenie 5.01 analiza danych z szeregów czasowych
- Przeprowadzanie analiz geoprzestrzennych w PostgreSQL
- Długość i szerokość geograficzna
- Reprezentowanie długości i szerokości geograficznej w PostgreSQL
- Ćwiczenie 5.02 analizy geoprzestrzenne
- Stosowanie tablicowych typów danych w PostgreSQL
- Wprowadzenie do tablic
- Ćwiczenie 5.03 analizowanie sekwencji z użyciem tablic
- Stosowanie formatu JSON w PostgreSQL
- JSONB wstępnie przetworzone dane w formacie JSON
- Dostęp do danych z pól w formacie JSON lub JSONB
- Stosowanie języka JSONPath do pól w formacie JSONB
- Tworzenie i modyfikowanie danych w polu w formacie JSONB
- Ćwiczenie 5.04 przeszukiwanie obiektów JSONB
- Analiza tekstu za pomocą PostgreSQL
- Tokenizacja tekstu
- Ćwiczenie 5.05 analizowanie tekstu
- Wyszukiwanie tekstu
- Optymalizowanie wyszukiwania tekstu w PostgreSQL
- Zadanie 5.01 wyszukiwanie i analiza transakcji sprzedaży
- Podsumowanie
- 6. Wydajny SQL
- Wprowadzenie
- Metody skanowania baz danych
- Plany wykonywania kwerend
- Skanowanie sekwencyjne i inne metody skanowania
- Ćwiczenie 6.01 interpretowanie działania planera kwerend
- Zadanie 6.01 plany wykonywania kwerendy
- Skanowanie indeksu
- Indeks w postaci B-drzewa
- Ćwiczenie 6.02 kwerenda ze skanowaniem indeksu
- Zadanie 6.02 skanowanie indeksu
- Indeks z haszowaniem
- Ćwiczenie 6.03 tworzenie kilku indeksów z haszowaniem, aby zbadać ich wydajność
- Zadanie 6.03 stosowanie indeksów z haszowaniem
- Skuteczne korzystanie z indeksów
- Wydajne złączenia
- Ćwiczenie 6.04 ocenianie zastosowania złączeń wewnętrznych
- Zadanie 6.04 stosowanie wydajnych złączeń
- Funkcje i wyzwalacze
- Definicje funkcji
- Ćwiczenie 6.05 tworzenie funkcji, które nie przyjmują argumentów
- Zadanie 6.05 definiowanie funkcji zwracającej maksymalną wartość sprzedaży
- Ćwiczenie 6.06 tworzenie funkcji przyjmujących argumenty
- Polecenia \df i \sf
- Zadanie 6.06 tworzenie funkcji przyjmujących argumenty
- Wyzwalacze
- Ćwiczenie 6.07 tworzenie wyzwalaczy do aktualizowania pól
- Zadanie 6.07 tworzenie wyzwalacza do śledzenia średniej liczby kupionych sztuk
- Kończenie pracy kwerend
- Ćwiczenie 6.08 anulowanie długo działającej kwerendy
- Zadanie 6.08 kończenie długo działającej kwerendy
- Podsumowanie
- 7. Metoda naukowa i rozwiązywanie problemów w praktyce
- Wprowadzenie
- Studium przypadku
- Metoda naukowa
- Ćwiczenie 7.01 wstępne zbieranie danych za pomocą technik SQL-a
- Ćwiczenie 7.02 pobieranie informacji sprzedażowych
- Zadanie 7.01 ilościowa ocena spadku sprzedaży
- Ćwiczenie 7.03 analiza czasu rozpoczęcia sprzedaży
- Zadanie 7.02 analiza hipotezy dotyczącej różnicy w cenie sprzedaży
- Ćwiczenie 7.04 analiza zależności wzrostu sprzedaży od współczynnika otwarć e-maili
- Ćwiczenie 7.05 analiza skuteczności e-mailowej kampanii marketingowej
- Wnioski
- Badania terenowe
- Podsumowanie
- Dodatek
- Rozdział 1. Wprowadzenie do SQL-a dla analityków
- Zadanie 1.01 klasyfikowanie nowego zbioru danych
- Rozwiązanie
- Zadanie 1.02 eksplorowanie danych sprzedażowych z salonu samochodowego
- Rozwiązanie
- Zadanie 1.03 kwerenda SELECT z podstawowymi słowami kluczowymi dotycząca tabeli customers
- Rozwiązanie
- Zadanie 1.04 tworzenie i modyfikowanie tabel na potrzeby działań marketingowych
- Rozwiązanie
- Zadanie 1.01 klasyfikowanie nowego zbioru danych
- Rozdział 2. Przygotowywanie danych za pomocą SQL-a
- Zadanie 2.01 używanie SQL-a do tworzenia modelu wspomagającego sprzedaż
- Rozwiązanie
- Zadanie 2.01 używanie SQL-a do tworzenia modelu wspomagającego sprzedaż
- Rozdział 3. Agregacja i funkcje okna
- Zadanie 3.01 analizowanie danych sprzedażowych z użyciem funkcji agregujących
- Rozwiązanie
- Zadanie 3.02 analizowanie sprzedaży z wykorzystaniem ramek okna i funkcji okna
- Rozwiązanie
- Zadanie 3.01 analizowanie danych sprzedażowych z użyciem funkcji agregujących
- Rozdział 4. Importowanie i eksportowanie danych
- Zadanie 4.01 używanie zewnętrznego zbioru danych do wykrywania trendów sprzedażowych
- Rozwiązanie
- Zadanie 4.01 używanie zewnętrznego zbioru danych do wykrywania trendów sprzedażowych
- Rozdział 5. Analizy z wykorzystaniem złożonych typów danych
- Zadanie 5.01 wyszukiwanie i analiza transakcji sprzedaży
- Rozwiązanie
- Zadanie 5.01 wyszukiwanie i analiza transakcji sprzedaży
- Rozdział 6. Wydajny SQL
- Zadanie 6.01 plany wykonywania kwerendy
- Rozwiązanie
- Zadanie 6.02 skanowanie indeksu
- Rozwiązanie
- Zadanie 6.03 stosowanie indeksów z haszowaniem
- Rozwiązanie
- Zadanie 6.04 stosowanie wydajnych złączeń
- Rozwiązanie
- Zadanie 6.05 definiowanie funkcji zwracającej maksymalną wartość sprzedaży
- Rozwiązanie
- Zadanie 6.06 tworzenie funkcji przyjmujących argumenty
- Rozwiązanie
- Zadanie 6.07 tworzenie wyzwalacza do śledzenia średniej liczby kupionych sztuk
- Rozwiązanie
- Zadanie 6.08 kończenie długo działającej kwerendy
- Rozwiązanie
- Zadanie 6.01 plany wykonywania kwerendy
- Rozdział 7. Metoda naukowa i rozwiązywanie problemów w praktyce
- Zadanie 7.01 ilościowa ocena spadku sprzedaży
- Rozwiązanie
- Zadanie 7.02 analiza hipotezy dotyczącej różnicy w cenie sprzedaży
- Rozwiązanie
- Zadanie 7.01 ilościowa ocena spadku sprzedaży
- Rozdział 1. Wprowadzenie do SQL-a dla analityków
Opinie
Na razie nie ma opinii o produkcie.