Kapitel 9. Fazit
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Im Laufe des Buches haben wir gesehen, dass SQL eine flexible und leistungsstarke Sprache für eine Reihe von Datenanalyseaufgaben ist. Von der Erstellung von Datenprofilen bis hin zu Zeitreihen, Textanalysen und der Erkennung von Anomalien - SQL kann eine Reihe gängiger Anforderungen erfüllen. Techniken und Funktionen können in jeder beliebigen SQL-Anweisung kombiniert werden, um experimentelle Analysen durchzuführen und komplexe Datensätze zu erstellen. Auch wenn SQL nicht alle Analyseziele erfüllen kann, fügt es sich gut in das Ökosystem der Analysetools ein.
In diesem letzten Kapitel gehe ich auf einige weitere Arten von Analysen ein und zeige, wie die verschiedenen SQL-Techniken, die in diesem Buch behandelt werden, kombiniert werden können, um diese zu erreichen. Abschließend stelle ich dir einige Ressourcen vor, die du nutzen kannst, um deine Reise zur Datenanalyse fortzusetzen oder um bestimmte Themen zu vertiefen.
Trichteranalyse
Ein Trichter besteht aus einer Reihe von Schritten, die abgeschlossen werden müssen, um ein bestimmtes Ziel zu erreichen. Das Ziel kann sein, sich für eine Dienstleistung anzumelden, einen Kauf abzuschließen oder ein Zertifikat für einen Kursabschluss zu erhalten. Die Schritte in einem Kauftrichter auf einer Website können zum Beispiel das Klicken auf die Schaltfläche "In den Warenkorb", das Ausfüllen ...
Get SQL für die Datenanalyse now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
