Thực hành giải Case Study cùng SQL – Data Mart (Phần 2)

Sau khi đã hoàn thành bước làm sạch dữ liệu trong phần 1, chúng ta đã một bộ dữ liệu sạch sẵn sàng để phân tích. Trong phần 2 này, chúng ta sẽ tiến hành khám phá dữ liệu để hiểu hơn về các xu hướng mẫu hình trong dữ liệu. Bằng cách sử dụng các câu lệnh SQL, chúng ta sẽ trả lời các câu hỏi cụ thể liên quan đến dữ liệu, từ đó rút ra những kết luận quan trọng giá trị. Hãy cùng bắt đầu hành trình khám phá dữ liệu này với UniTrain nhé! 

1. Ngày trong tuần nào được sử dụng cho mỗi giá trị week_date?

SELECT DISTINCT(TO_CHAR(week_date, ‘day’)) AS week_day  

FROM clean_weekly_sales; 

1

Câu lệnh này chọn các giá trị duy nhất của week_date sau khi chuyển đổi chúng thành tên ngày trong tuần. Hàm TO_CHAR được sử dụng để chuyển đổi giá trị ngày thành chuỗi ký tự, và tham số ‘day’ chỉ định rằng chúng ta muốn lấy tên ngày trong tuần (ví dụ: Monday, Tuesday, v.v.). 

2. Có tổng cộng bao nhiêu giao dịch mỗi năm?

SELECT  

  calendar_year,  

  SUM(transactions) AS total_transactions 

FROM clean_weekly_sales 

GROUP BY calendar_year 

ORDER BY calendar_year; 

2

Giải thích:  

– SELECT calendar_year, SUM (transactions) AS total_transactions: Chọn cột calendar_year và tính tổng số giao dịch (transactions) cho mỗi năm, đặt tên kết quả là total_transactions. 

– GROUP BY calendar_year: Nhóm các bản ghi theo cột calendar_year để tính tổng số giao dịch cho mỗi năm. 

– ORDER BY calendar_year: Sắp xếp kết quả theo thứ tự năm (calendar_year). 

3. Tổng doanh số bán hàng của mỗi khu vực trong mỗi tháng là bao nhiêu?

SELECT  

  month_number,  

  region,  

  SUM(sales) AS total_sales 

FROM clean_weekly_sales 

GROUP BY month_number, region 

ORDER BY month_number, region; 

3

4. Tổng số lượng giao dịch trên mỗi nền tảng là bao nhiêu?

SELECT  

  platform,  

  SUM(transactions) AS total_transactions 

FROM clean_weekly_sales 

GROUP BY platform; 

4

5. Tỷ lệ phần trăm doanh số bán hàng của Retail so với Shopify cho mỗi tháng là bao nhiêu?

WITH monthly_transactions AS ( 

  SELECT  

    calendar_year,  

    month_number,  

    platform,  

    SUM(sales) AS monthly_sales 

  FROM clean_weekly_sales 

  GROUP BY calendar_year, month_number, platform 

SELECT  

  calendar_year,  

  month_number,  

  ROUND(100 * MAX  

    (CASE  

      WHEN platform = ‘Retail’ THEN monthly_sales ELSE NULL END)  

    / SUM(monthly_sales),2) AS retail_percentage, 

  ROUND(100 * MAX  

    (CASE  

      WHEN platform = ‘Shopify’ THEN monthly_sales ELSE NULL END) 

    / SUM(monthly_sales),2) AS shopify_percentage 

FROM monthly_transactions 

GROUP BY calendar_year, month_number 

ORDER BY calendar_year, month_number; 

5

Giải thích:  

– WITH monthly_transactions AS (…): Tạo một bảng tạm thời monthly_transactions chứa tổng doanh số bán hàng (monthly_sales) cho mỗi nền tảng (platform) trong mỗi tháng (month_number) và năm (calendar_year). 

– SELECT calendar_year, month_number, ROUND(100 * MAX (CASE WHEN platform = ‘Retail’ THEN monthly_sales ELSE NULL END) / SUM(monthly_sales),2) AS retail_percentage: Chọn năm (calendar_year), tháng (month_number), và tính tỷ lệ phần trăm doanh số bán hàng của nền tảng ‘Retail’ so với tổng doanh số bán hàng trong tháng đó. Kết quả được làm tròn đến 2 chữ số thập phân và đặt tên là retail_percentage. 

– ROUND(100 * MAX (CASE WHEN platform = ‘Shopify’ THEN monthly_sales ELSE NULL END) / SUM(monthly_sales),2) AS shopify_percentage: Tương tự, tính tỷ lệ phần trăm doanh số bán hàng của nền tảng ‘Shopify’ và đặt tên là shopify_percentage. 

6. Tỷ lệ phần trăm doanh số bán hàng theo nhân khẩu học cho từng năm trong tập dữ liệu là bao nhiêu?

WITH demographic_sales AS ( 

  SELECT  

    calendar_year,  

    demographic,  

    SUM(sales) AS yearly_sales 

  FROM clean_weekly_sales 

  GROUP BY calendar_year, demographic 

SELECT  

  calendar_year,  

  ROUND(100 * MAX  

    (CASE  

      WHEN demographic = ‘Couples’ THEN yearly_sales ELSE NULL END) 

    / SUM(yearly_sales),2) AS couples_percentage, 

  ROUND(100 * MAX  

    (CASE  

      WHEN demographic = ‘Families’ THEN yearly_sales ELSE NULL END) 

    / SUM(yearly_sales),2) AS families_percentage, 

  ROUND(100 * MAX  

    (CASE  

      WHEN demographic = ‘unknown’ THEN yearly_sales ELSE NULL END) 

    / SUM(yearly_sales),2) AS unknown_percentage 

FROM demographic_sales 

GROUP BY calendar_year; 

6

Xem thêm: 

Khóa học Ứng dụng SQL trong phân tích dữ liệu

Sử dụng Window Functions để phân tích dữ liệu trong SQL

Tăng hiệu suất tìm kiếm dữ liệu với hàm LIKE trong SQL

Để lại một bình luận

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

1 + 1 = ? (Nhập Haii để trả lời đúng)

Bài viết liên quan
Field Parameters – Bí kíp tùy chỉnh báo cáo linh hoạt trên Power BI

Trong trực quan hóa dữ liệu, Power BI của Microsoft đã thay đổi cách người dùng khai thác và tương tác với thông tin. Một trong những tính năng nổi bật

Xem thêm
Kích hoạt Data Analysis ToolPak trong Excel

Bạn muốn phân tích dữ liệu trong Excel nhưng không tìm thấy những công cụ như t-test, ANOVA, hay Regression ở đâu? Đừng lo, chúng không biến mất đâu – chỉ là

Xem thêm
[RECAP] Training 4: How to Write M&A Buy-Sell Recommendations – Cuộc thi Sinh viên với Tài chính mùa 13 (FSC13) – CLB Tài chính – Chứng khoán SeSC – Trường Đại học Ngoại Thương CSII TP. HCM (FTU2)

Chiều ngày 28/04/2025, buổi Training 4 dành cho Top 8 đội thi xuất sắc nhất cuộc thi Sinh viên với Tài chính mùa 13 (FSC13) đã diễn ra trực tiếp tại

Xem thêm
Phân biệt hàm SUM, SUMX và CALCULATE trong Power BI

1. Giới thiệu Trong Power BI, DAX (Data Analysis Expressions) cung cấp nhiều hàm để tổng hợp và phân tích dữ liệu. Ba trong số các hàm quan trọng nhất là

Xem thêm