SQL og Dataanalyse

SQL hviler på mængdelære. Blandt SQL-sprogets berømte attraktioner hører dets elegante håndtering af mængdesammenligninger, som kan løse avancerede rapportønsker.

Genkendes mængdeoperationen ud fra rapportønsket, har man en god retningsgiver for en mulig strategi til at skrive en passende SQL-kode

I modulet præsenteres klassiske mængdeoperationer - både grafisk i Venn-diagrammer samt smukke, korrelerede HAVING- og/eller EXISTS-konstruktioner til at løse dem. SQL er bygget til at kunne gøre dette med god performance.

Eksempler på mængdesammenligninger:

Disjunkte mængder – den tomme fællesmængde

• Hvilke købende Kunder X har ikke købt nogen af de Varer, som Kunde A har købt ?
• Hvilke Kunder X har kun købt noget i de år, som Kunde A ikke har købt i ?

Supermængde

• Hvilke Kunder X har mindst købt de samme Varer som Kunde A ?

Delmængde

• Hvilke Kunder X har købt blandt Varer købt af Kunde A - hvor Kunde A har købt alle Varer, som Kunde X har købt ?

Identiske mængder

• Hvilke Kunder X har købt præcis de samme Varer som Kunde A ?

SQL:1999-standardens udvidelse af GROUP BY med GROUPING SETS, CUBE og ROLLUP. Implementeret til håndtering af data i statistiske rapporter og Data Warehouses

Et stærkt supplement i rapportering, idet man specifikt udvælger niveauer at gruppere data i. Det kan give en performance gevinst fremfor at gruppere på alle niveauer og samle aggregater senere.

Definition - hvori består ”vinduet” ?

4 typer Window Functions

• Aggregate / Ranking / ( Distribution ) / Offset
• Hver af disse typer præsenteres med eksempler på anvendelse

OVER-klausulen og dens levels

• Partitioning / Ordering / Framing
• Hvert af disse levels gennemgås grundigt med eksempler på anvendelse

Partitioning

• Beregning af brøkdele – f.eks % beregninger

Ordering

• Ranking functions
• ROW_NUMBER()  -  RANK()  -  DENSE_RANK()
• Top-N pr. gruppering - med/uden WITH TIES

Framing

• ROWS vs RANGE
• Running values – løbende gennemsnit , Year-to-Date
• Løbende aggregater -- ”running values”
• F.eks løbende 7-døgns gennemsnitlige indbetalinger, Year-To-Date

Analytic functions

• LEAD() – LAG() – FIRST_VALUE() – LAST_VALUE()
• RESPECT NULLS  vs  IGNORE NULLS
• ( Relative ) tilvækster

Intervaller ud fra enkelt-værdier

• Intervaller fortløbende uden manglende værdier
• Intervaller mellem intervallerne ( "huller" )
• Returnere listen af manglende værdier – hvilke løbenr / måneder er ikke i brug
• Beregning af anciennitet, kundeloyalitet etc

Statistikker på intervaller

Overlappende intervaller

• Betingelsen for overlap
• Overlap mellem enkelte intervaller vs grupperede intervaller
• Returnere overlap
• Tælle antal overlappende intervaller
• Tilskrive intervaller en værdi – returnere aggregater
• Maximale antal overlappende intervaller ( højeste antal samtidige kunder )
• Maximale sum af værdier tilskrevet intervallerne ( maximale ind-/udlån )
• Ikke-overlappende intervaller
• Returnere foreningsmængden af intervaller – kundes samlede engagement

Defineret i SQL:2003 og SQL:2008-standarden og svarer til en UPSERT ( update + insert )

Merge indgår ofte i befolkning af tabeller i Data Warehouses

Modulet præsenterer mulighederne, herunder nogle af udvidelserne til standarden, som de respektive database-producenter har tilføjet

CTE blev introduceret i SQL:1999. Herunder valgte man at placere rekursive forespørgsler i CTE syntaxen

Modulet her introducerer kort disse konstruktioner, som bl.a. kan anvendes i views og f.eks Microsoft SQL Server inline table-valued functions og derved give performance