Avslutande exempel

Datadriven beslutsfattning i SQL

Tim Verdonck

Professor Statistics and Data Science

Affärsfall

MovieNow överväger att investera i nya filmer.
Det är dyrare för MovieNow att tillhandahålla nyproducerade filmer än äldre.
Första steget i dataanalysen:
- Ger kunderna bättre betyg till nyproducerade filmer än till äldre?
- Finns det skillnader mellan länder?

1. Sammanfoga data

Information som behövs:

renting uthyrningsposter med betyg
customers information om kundens land

movies filmens utgivningsår

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. Välj relevanta poster

Använd endast poster för filmer med minst 4 betyg
Använd endast uthyrningsposter från och med 2018-04-01

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. Aggregering

Typ av aggregering:

Räkna antalet uthyrningar
Räkna antalet unika filmer
Beräkna genomsnittsbetyget

Aggregationsnivåer:

Total aggregering
Per film efter utgivningsår
Per film efter utgivningsår, uppdelat per kundernas land

3. Aggregering

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;

Resultattabell

| 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 |

Nu kör vi en övning!

Datadriven beslutsfattning i SQL