Ejemplo final

Toma de decisiones basada en datos en SQL

Tim Verdonck

Professor Statistics and Data Science

Caso de negocio

MovieNow está considerando invertir dinero en nuevas películas.
A MovieNow les resulta más caro ofrecer películas de reciente producción que otras más antiguas.
Primer paso del análisis de datos:
- ¿Los clientes valoran mejor las películas que se han estrenado recientemente que las más antiguas?
- ¿Existen diferencias entre países?

1. Unir datos

Información necesaria:
- renting registros de alquiler de películas con valoraciones
- customers información sobre el país del cliente
- movies año de estreno de la película
```
SELECT *
FROM renting AS r
LEFT JOIN customers AS c
ON c.customer_id = r.customer_id
LEFT JOIN movies AS m
ON m.movie_id = r.movie_id;
```

2. Selecciona los registros pertinentes.

Utiliza únicamente registros de películas con al menos 4 valoraciones.
Utiliza únicamente registros de alquiler de películas desde el 1 de abril de 2018.

SELECT *
FROM renting AS r
LEFT JOIN customers AS c
ON c.customer_id = r.customer_id
LEFT JOIN movies AS m
ON m.movie_id = r.movie_id
WHERE r.movie_id IN (
    SELECT movie_id
    FROM renting
    GROUP BY movie_id
    HAVING COUNT(rating) >= 4)
AND r.date_renting >= '2018-04-01';

3. Agregación

Tipo de agregación:

Cuenta el número de películas alquiladas.
Cuenta el número de películas diferentes.
Calcula la valoración media.

Niveles de agregación:

Agregación total
Para películas por año de estreno
Para películas por año de estreno, separadas por país de los clientes.

3. Agregación

SELECT c.country,
       m.year_of_release,
       COUNT(*) AS n_rentals,
       COUNT(DISTINCT r.movie_id) AS n_movies,
       AVG(rating) AS avg_rating
FROM renting AS r
LEFT JOIN customers AS c
ON c.customer_id = r.customer_id
LEFT JOIN movies AS m
ON m.movie_id = r.movie_id
WHERE r.movie_id IN (
    SELECT movie_id
    FROM renting
    GROUP BY movie_id
    HAVING COUNT(rating) >= 4)
AND r.date_renting >= '2018-04-01'
GROUP BY ROLLUP (m.year_of_release, c.country)
ORDER BY c.country, m.year_of_release;

Tabla resultante

| year_of_release | country | n_rentals | n_movies | avg_rating         |
|-----------------|---------|-----------|----------|--------------------|
| 2009            | null    | 10        | 1        | 8.7500000000000000 | 
| 2010            | null    | 41        | 5        | 7.9629629629629630 | 
| 2011            | null    | 14        | 2        | 8.2222222222222222 | 
| 2012            | null    | 28        | 5        | 8.1111111111111111 | 
| 2013            | null    | 10        | 2        | 7.6000000000000000 | 
| 2014            | null    | 5         | 1        | 8.0000000000000000 | 
| null            | null    | 333       | 50       | 7.9024390243902439 |

¡Vamos a practicar!

Toma de decisiones basada en datos en SQL