In diesem Modul treten wir einen Schritt zurück vom Schreiben von Abfragen, um das breitere Datenökosystem zu erkunden - wie Daten erstellt, gespeichert und für Fachkräfte wie Sie zugänglich gemacht werden. Sie lernen die wichtigsten Tools und Rollen kennen, die an der Bereitstellung von Daten beteiligt sind, und erhalten einen Einblick, wie Backend-Daten in realen Softwaresystemen aussehen. Wir werden verschiedene Datentypen untersuchen, darunter auch Ereignisdaten, und diskutieren, wie sie gesammelt werden, wo sie irreführend sein können und wie man sie mit einem kritischen Auge interpretiert. Sie werden auch ein praktisches Beispiel für die Erstellung einer sauberen Benutzertabelle - ohne interne Benutzer - mit Hilfe von Logik und Best Practices aus der Praxis durcharbeiten. Auf dem Weg dorthin werden wir Konzepte aus der Softwareentwicklung vorstellen, wie z. B. technische Schulden, und Bereiche hervorheben, in denen Analysten skeptisch bleiben sollten. Am Ende dieses Moduls werden Sie ein tieferes Verständnis für den Datenlebenszyklus haben und besser gerüstet sein, um die richtigen Fragen zu stellen, bevor Sie Ihre nächste Abfrage schreiben.

In diesem Modul erfahren Sie, was hinter der Datenanalyse steckt - warum Unternehmen Daten sammeln, wie sie sie nutzen und was es bedeutet, Rohdaten in aussagekräftige Erkenntnisse zu verwandeln. Sie erfahren, wie Daten den Betrieb, die Einhaltung von Vorschriften, die Transparenz, die Zielsetzung, die Prognosen und die strategische Entscheidungsfindung unterstützen. Sie erfahren, wie Daten gespeichert und wie sie verwendet werden und warum dieser Unterschied bei der Aufbereitung von Daten für Berichte und Analysen wichtig ist. Sie üben Techniken wie das Zählen eindeutiger Werte, die Arbeit mit kniffliger Datumslogik und die Anwendung der Date-Spine-Methode zur Erstellung rollierender Fenster für zeitbasierte Analysen. Sie werden sich auch mit Trichtern befassen - wie man sie entwirft, welche Entscheidungen bei ihrer Erstellung zu treffen sind und wie man häufige Fallstricke beim Vergleich von Stufen oder bei der Interpretation aktualisierter Daten vermeidet. Wir stellen Konzepte wie Kundenbindung, Lifetime Value und A/B-Tests vor und helfen Ihnen zu verstehen, wie diese Tools in eine umfassendere Datenstrategie passen. Am Ende dieses Moduls werden Sie in der Lage sein, mehr wie ein Business-Analyst zu denken, SQL-Techniken mit realen Zielen zu verbinden und Daten für die Entscheidungsfindung zu nutzen.

In diesem letzten Modul werden Sie alles, was Sie gelernt haben, zusammenbringen, um reale Probleme mit SQL zu lösen. Sie üben die Strukturierung von Abfragen für die Entscheidungsfindung und nutzen Techniken wie GROUP BY und Sortieren, um schnell aussagekräftige Vergleiche zu erhalten. Sie werden zwei leistungsstarke Problemlösungsansätze erforschen: Columns-First-Sketching und Joins-First-Testing, und bewerten, wie generative KI-Tools Ihren SQL-Schreibprozess unterstützen (und manchmal auch in die Irre führen) können. Sie werden sich auch einer komplexeren Herausforderung stellen: dem Schreiben einer Abfrage zur Empfehlung des am häufigsten gemeinsam gekauften Artikels, wobei Sie sowohl Logik als auch Struktur auf ein mehrstufiges Problem anwenden. Wir werden uns erneut mit Trichterkonzepten und Prognosen befassen und uns darauf konzentrieren, wie man Daten für Metriken auf Führungsebene und Aktivierungsanalysen aufbereitet. Sie werden auch eine Checkliste zur Erstellung effektiver Diagramme durchgehen, die Ihre Erkenntnisse klar vermitteln. Schließlich bereiten wir Sie auf die Stellensuche vor, indem wir Whiteboarding, Live-Coding und SQL-Arbeiten am Arbeitsplatz miteinander vergleichen und Ihnen helfen zu verstehen, wonach Interviewer wirklich suchen, wenn sie Sie bitten, eine Abfrage zu schreiben Am Ende dieses Moduls werden Sie in der Lage sein, Ihre SQL-Kenntnisse selbstbewusst anzuwenden - in Vorstellungsgesprächen, bei der Arbeit und in realen Geschäftsszenarien.