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
Học và ứng dụng trí tuệ nhân tạo (AI) cho người mới trong năm 2025

Hướng dẫn chi tiết cho người mới bắt đầu học và ứng dụng trí tuệ nhân tạo AI, từ nền tảng học miễn phí đến công cụ AI không cần code.  

Xem thêm
[ƯU ĐÃI THÁNG 07/2025] Đóng sớm tháng Bảy – Giá hời hết sảy

Chào hè tháng 07, UniTrain mang đến ưu đãi kép cho học viên: Giảm ngay 177.000đ trên mức ưu đãi đóng sớm khi học viên đăng ký bất kỳ khóa học nào trong tháng này. Khóa

Xem thêm
Trực Quan Hóa Chỉ Số Hiệu Suất (KPI) Trong Power BI

Khi cần trình bày một chỉ số quan trọng trong báo cáo và so sánh với mục tiêu đề ra, KPI Visual trong Power BI là công cụ trực quan và

Xem thêm
Xu hướng mới của trí tuệ nhân tạo (AI) trong năm 2025

Cập nhật các xu hướng mới nhất về trí tuệ nhân tạo AI năm 2025 như GPT-5, video AI, giáo dục thông minh và chiến lược AI tại Việt Nam. Trí

Xem thêm