Przedmowa

Rozdział 1. Analizy z wykorzystaniem SQL-a

• Czym jest analiza danych?
• Dlaczego SQL?
  • Czym jest SQL?
  • Korzyści, jakie daje SQL
  • SQL a R lub Python
  • SQL jako element procesu analizy danych
• Rodzaje baz danych i sposoby pracy z nimi
  • Wierszowe bazy danych
  • Kolumnowe bazy danych
  • Inne rodzaje infrastruktury danych
• Podsumowanie

Rozdział 2. Przygotowywanie danych do analiz

• Typy danych
  • Typy danych w bazach
  • Dane ustrukturyzowane i nieustrukturyzowane
  • Dane ilościowe i jakościowe
  • Dane z pierwszej, drugiej i trzeciej ręki
  • Dane rzadkie
• Struktura zapytań w SQL-u
• Profilowanie - rozkład danych
  • Histogramy i częstość wystąpień
  • Binning
  • Technika n przedziałów
• Profilowanie - jakość danych
  • Wykrywanie duplikatów
  • Deduplikacja za pomocą klauzul GROUP BY i DISTINCT
• Przygotowania - oczyszczanie danych
  • Oczyszczanie danych za pomocą przekształceń w instrukcji CASE
  • Konwersja i rzutowanie typów
  • Radzenie sobie z wartościami null: funkcje coalesce, nullif i nvl
  • Brakujące dane
• Przygotowania - kształtowanie danych
  • Docelowe zastosowanie - analiza biznesowa, wizualizacja, obliczanie statystyk, uczenie maszynowe
  • Tworzenie tabel przestawnych za pomocą instrukcji CASE
  • Przywracanie struktury po przestawieniu z użyciem instrukcji UNION
  • Funkcje pivot i unpivot
• Podsumowanie

Rozdział 3. Analiza szeregów czasowych

• Operacje na datach, czasie oraz datach i czasie
  • Zmiana strefy czasowej
  • Konwersja formatu dat i znaczników czasu
  • Obliczenia matematyczne na datach
  • Obliczenia na czasie
  • Złączanie danych z różnych źródeł
• Zbiór danych o sprzedaży detalicznej
• Analiza trendów w danych
  • Proste trendy
  • Porównywanie komponentów
  • Obliczanie procentów z całości
  • Stosowanie indeksacji do badania zmian procentowych w czasie
• Okna przesuwne
  • Obliczenia na podstawie okien przesuwnych
  • Okna przestawne w rzadkich zbiorach danych
  • Obliczanie wartości skumulowanych
• Analiza danych z efektem sezonowości
  • Porównywanie okres do okresu - rdr i mdm
  • Porównania okres do okresu - te same miesiące z kolejnych lat
  • Porównywanie z wieloma wcześniejszymi okresami
• Podsumowanie

Rozdział 4. Analiza kohortowa

• Kohorty - przydatny model analiz
• Zbiór danych o członkach Kongresu
• Utrzymanie
  • Kod w SQL-u do tworzenia prostej krzywej utrzymania
  • Modyfikowanie szeregów czasowych, aby zwiększyć dokładność wyników analizy utrzymania
  • Kohorty tworzone na podstawie szeregów czasowych
  • Definiowanie kohort na podstawie odrębnej tabeli
  • Jak radzić sobie z kohortami rzadkimi?
  • Definiowanie kohort na podstawie dat innych niż początkowa
• Powiązane analizy kohortowe
  • Przeżywalność
  • Powroty (ponowne zakupy)
  • Obliczanie skumulowanych wartości
• Analiza przekrojowa w kontekście analizy kohortowej
• Podsumowanie

Rozdział 5. Analiza tekstu

• Po co analizować tekst za pomocą SQL-a?
  • Czym jest analiza tekstu?
  • Dlaczego SQL jest dobrym narzędziem do analizy tekstu?
  • Kiedy SQL nie jest dobrym wyborem?
• Zbiór danych o obserwacjach UFO
• Cechy tekstu
• Parsowanie tekstu
• Przekształcanie tekstu
• Znajdowanie elementów w większych blokach tekstu
  • Dopasowywanie symboli wieloznacznych: LIKE i ILIKE
  • Dokładne dopasowywanie za pomocą operatorów IN i NOT IN
  • Wyrażenia regularne
• Tworzenie tekstu i zmienianie jego kształtu
  • Konkatencja
  • Zmiana kształtu tekstu
• Podsumowanie

Rozdział 6. Wykrywanie anomalii

• Możliwości i ograniczenia SQL-a w zakresie wykrywania anomalii
• Zbiór danych
• Wykrywanie wartości odstających
  • Wyszukiwanie anomalii za pomocą sortowania
  • Wyszukiwanie anomalii na podstawie percentyli i odchylenia standardowego
  • Tworzenie wykresów w celu znajdowania anomalii
• Rodzaje anomalii
  • Anomalne wartości
  • Anomalne liczby wystąpień
  • Anomalie w postaci braku danych
• Radzenie sobie z anomaliami
  • Badanie anomalii
  • Usuwanie danych
  • Zastępowanie innymi wartościami
  • Skalowanie
• Podsumowanie

Rozdział 7. Analiza eksperymentów

• Wady i zalety analizy eksperymentów za pomocą SQL-a
• Zbiór danych
• Rodzaje eksperymentów
  • Eksperymenty z wynikami binarnymi - test chi-kwadrat
  • Eksperymenty z wynikami ciągłymi - test t
• Problemy z eksperymentami i sposoby radzenia sobie z błędami
  • Przydział jednostek do wariantów
  • Wartości odstające
  • Okna czasowe
  • Eksperymenty związane z wielokrotną ekspozycją
• Co robić, gdy kontrolowane eksperymenty są niemożliwe? Inne analizy
  • Analiza "przed i po"
  • Analiza eksperymentów naturalnych
  • Analiza populacji w okolicy wartości progowej
• Podsumowanie

Rozdział 8. Tworzenie złożonych zbiorów danych na potrzeby analiz

• Kiedy używać SQL-a do tworzenia złożonych zbiorów danych?
  • Zalety stosowania SQL-a
  • Kiedy używać procesu ETL?
  • Kiedy umieszczać logikę w innych narzędziach?
• Porządkowanie kodu
  • Komentarze
  • Wielkość liter, wcięcia, nawiasy i inne sztuczki z obszaru formatowania
  • Przechowywanie kodu
• Porządkowanie obliczeń
  • Porządek przetwarzania klauzul w SQL-u
  • Podzapytania
  • Tabele tymczasowe
  • Wyrażenia CTE
  • Instrukcja grouping sets
• Zarządzanie wielkością zbioru danych i prywatnością
  • Próbkowanie na podstawie wartości procentowych i dzielenia modulo
  • Zmniejszanie liczby wymiarów
  • Dane osobowe i prywatność danych
• Podsumowanie

Rozdział 9. Podsumowanie

• Analizy lejka
• Rezygnacje, wygaśnięcia i inne definicje utraty klientów
• Analiza koszykowa
• Materiały
  • Książki i blogi
  • Zbiory danych
• Uwagi końcowe

• Назва: Analiza danych z wykorzystaniem SQL-a. Zaawansowane techniki przekształcania danych we wnioski
• Автор: Cathy Tanimura
• Оригінальна назва: SQL for Data Analysis: Advanced Techniques for Transforming Data into Insights
• Переклад: Tomasz Walczak
• ISBN: 978-83-283-8896-3, 9788328388963
• Дата видання: 2022-06-21
• Формат: Eлектронна книга
• Ідентифікатор видання: sqladz
• Видавець: Helion