Quelles requêtes SQL maîtriser pour un data analyst efficace ?

Maîtriser les requêtes SQL essentielles permet à tout data analyst d’extraire et transformer ses données avec précision de BigQuery par exemple. Découvrez les commandes incontournables qui transforment du brut en insights utiles, sans perdre de temps ni se noyer dans le superflu.

3 principaux points à retenir.

• SQL, c’est la base dans BigQuery ou tout autre base de données : sélectionner, filtrer, agréger et combiner des données sont la fondation de l’analyse.
• Optimisez vos transformations avec les clauses GROUP BY, HAVING et les fonctions CASE ou COALESCE.
• Ne négligez pas les jointures et fonctions avancées comme JOIN, UNION, sous-requêtes et fonctions fenêtres pour des analyses poussées.

Comment extraire et filtrer les données utiles en SQL de BigQuery ?

L’extraction et le filtrage des données en SQL, c’est un peu comme la mise en place des bases d’une bonne recette culinaire. On ne peut pas se lancer dans un plat savoureux sans savoir choisir ses ingrédients ! En SQL, cela commence donc par la commande SELECT qui vous permet de choisir les colonnes que vous souhaitez extraire dans BigQuery, ou une autre base de données. Imaginez que vous souhaitez extraire le nom et le salaire de vos employés. Voici comment vous pourriez écrire votre requête :

SELECT name, salary FROM employees;

Cette ligne tire directement les informations des colonnes correspondantes dans la table « employees ». Simple, non ? Mais, attendons, on ne s’arrête pas là ! Pour toute bonne analyse, il faut aussi savoir affiner ses données. C’est là qu’intervient le WHERE, qui vous permet d’affiner les lignes selon des critères de filtre. Par exemple, voulez-vous uniquement les employés du département informatique ? Voici comment formuleriez cela :

SELECT * FROM employees WHERE department = 'IT';

Et si vous voulez vous assurer d’obtenir une liste où chaque département n’apparaît qu’une fois ? Le mot clé DISTINCT est votre ami. Par exemple :

SELECT DISTINCT department FROM employees;

Cela vous fait gagner un temps fou en évitant les doublons ! Une fois que vous avez tout ça, il serait peut-être judicieux de se concentrer sur les meilleurs éléments. C’est là que la commande LIMIT entre en jeu. Si, par exemple, vous souhaitez voir les 5 employés les mieux rémunérés :

SELECT name, salary FROM employees ORDER BY salary DESC LIMIT 5;

Découvrez égalementComment analyser les paniers multi-produits pour booster le cross-selling ?

N’oublions pas le ORDER BY, qui permet de trier vos résultats dans un ordre qui a du sens. Ne sous-estimez pas la puissance d’une bonne organisation ! En résumé, avec SELECT, WHERE, DISTINCT et LIMIT, vous avez là les premiers outils indispensables pour tout analyste désireux de piloter ses données sans se noyer dans un océan d’informations. Ces commandes vous donneront le pouvoir de transformer des chiffres bruts en informations exploitables. Pour explorer davantage sur SQL, visitez cet article : SQL pour l’analyse des données.

Comment résumer et transformer les données avec SQL ?

Les agrégations dans l’analyse de données sont un peu comme les épices dans une recette : elles ajoutent de la profondeur et de la saveur. En tant que data analyst, utiliser dans BigQuery des fonctions comme GROUP BY combinées à des agrégats tels que AVG(), SUM(), et COUNT() est essentiel pour regrouper et synthétiser les informations. Par exemple, si vous souhaitez connaître le salaire moyen par département, un simple coup d’œil aux données brutes ne suffira pas. Voici comment faire :

SELECT department, AVG(salary) AS avg_salary 
FROM employees 
GROUP BY department;

Cette requête décompose les employés par département et calcule le salaire moyen pour chaque groupe. Cela vous permet non seulement d’obtenir un aperçu immédiat des salaires, mais aussi d’identifier les disparités potentielles qui pourraient nécessiter une attention supplémentaire.

Ensuite, le filtre HAVING vous permet de cibler ces groupes après avoir appliqué vos agrégations. Cette clause est particulièrement utile pour ne conserver que les groupes qui répondent à certains critères. Par exemple :

SELECT department, COUNT(*) AS num_employees 
FROM employees 
GROUP BY department 
HAVING COUNT(*) > 10;

Cette requête renvoie uniquement les départements avec plus de 10 employés, offrant une vision claire des équipes significatives en taille.

Découvrez également10 hacks SQL pour des agrégations ultra-rapides

Mais comment gérer les anomalies, comme les valeurs manquantes ? C’est là qu’interviennent des fonctions comme COALESCE. Cela vous permet de substituer une valeur par défaut si une donnée est absente. Prenons un exemple :

SELECT name, COALESCE(phone, 'N/A') AS contact_number 
FROM customers;

Cette commande retourne le numéro de téléphone des clients, et si un client n’en a pas, ‘N/A’ sera affiché. Cela améliore la lisibilité et l’utilité des rapports.

Enfin, l’utilisation de la fonction CASE permet de créer des colonnes conditionnelles. Imaginez que vous souhaitiez classer les employés selon leur ancienneté :

SELECT name,
       CASE 
           WHEN hire_date < DATE_SUB(CURRENT_DATE, INTERVAL 5 YEAR) THEN 'Veteran'
           ELSE 'Newbie'
       END AS experience_level
FROM employees;

Avec cette requête, chaque employé est étiqueté en ‘Veteran’ ou ‘Newbie’ selon leur date d’embauche, offrant une dimension supplémentaire à vos analyses.

En maîtrisant ces fonctionnalités, les data analysts ne se contentent pas de tirer des données, ils transforment des chiffres bruts en insights exploitables. Pour approfondir encore plus vos compétences en SQL, vous pourriez consulter ce lien.

Comment combiner et enrichir les données issues de plusieurs tables BigQuery

Dans BigQuery, les données sont souvent réparties sur plusieurs tables pour plusieurs raisons : normalisation, capacité à gérer des ensembles de données volumineux, ou encore la gestion séparée d’informations différentes mais interconnectées. Imaginez un schéma d’entreprise où les informations des employés sont dans une table, tandis que les départements se trouvent dans une autre. Pour obtenir une vue d’ensemble, il est crucial de savoir comment combiner ces informations à l’aide des requêtes SQL. C’est là que les JOIN font leur apparition.

Découvrez égalementComment analyser les revenus par cohortes avec GA4 et BigQuery ?

Le JOIN, et plus particulièrement l’INNER JOIN, permet de associer des lignes de deux tables ou plus sur la base de colonnes communes. Par exemple, si vous souhaitez récupérer les noms des employés avec leurs départements, vous pouvez exécuter une requête comme :

SELECT e.name, d.name AS department
FROM employees e
INNER JOIN departments d ON e.dept_id = d.id;

Cette requête va extraire le nom de chaque employé ainsi que le nom de leur département, en reliant les deux tables par la colonne dept_id. L’INNER JOIN ne garde que les lignes où il y a correspondance, garantissant une base de données propre et pertinente.

Parfois, vous pouvez avoir besoin de fusionner les résultats de plusieurs requêtes qui ont des résultats similaires. C’est là que UNION entre en jeu. Elle combine les résultats de deux requêtes, en veillant à éliminer les doublons. Si vous souhaitez lister tous les noms de clients et d’employés, vous pourriez écrire :

SELECT name FROM employees
UNION
SELECT name FROM customers;

Si vous voulez conserver les doublons, UNION ALL est la solution. Notez que UNION filtre automatiquement les doublons, alors qu’UNION ALL les inclut tous.

Souvent, vous aurez besoin de faire des calculs intermédiaires ou des filtrages plus complexes, surtout lorsque les données sont imbriquées. Les sous-requêtes sont un excellent outil pour cela. Par exemple, pour extraire les employés dont le salaire est supérieur à la moyenne, une requête pourrait ressembler à :

SELECT name, salary FROM employees
WHERE salary > (SELECT AVG(salary) FROM employees);

Cela permet d’introduire une dynamique dans vos analyses, en rendant vos requêtes très puissantes.

Pour approfondir, n’hésitez pas à consulter cet article sur la récupération des données issues de plusieurs tables.

Quels outils avancés SQL pour une analyse plus fine

Les fonctions de chaînes et les fonctions de date et temps en SQL sont des alliées puissantes pour un data analyst qui veut aller au-delà des simples tableaux de données. Elles permettent non seulement d’extraire des informations pertinentes, mais aussi de les transformer en insights exploitables et visuellement engageants.

Commençons par les fonctions de chaînes. Prenons par exemple CONCAT, qui permet d’assembler plusieurs chaînes de caractères. C’est souvent essentiel pour présenter un nom complet ou une adresse. En SQL, cela ressemble à ceci :

SELECT CONCAT(first_name, ' ', last_name) AS full_name FROM employees;

Ici, on crée un nouveau champ full_name qui facilite sympathiquement la lecture des données. Autre fonction utile, LENGTH, qui vous donne la taille d’un texte. Cela peut être utilisé pour vérifier la validité de numéros de téléphone ou d’autres entrées formatées. Par exemple :

SELECT LENGTH(phone) AS phone_length FROM customers;

Poussons ensuite la logique à la gestion de la temporalité avec les fonctions de date et temps. La fonction DATEDIFF est indispensable pour calculer des intervalles. Imaginez que vous vouliez savoir depuis combien de jours un employé est dans l’entreprise :

SELECT name, DATEDIFF(CURRENT_DATE, hire_date) AS days_at_company FROM employees;

Cela vous donnera un coup d’œil rapide sur la fidélité des employés et pourrait influencer vos décisions RH.

Enfin, mentionnons les window functions comme RANK et ROW_NUMBER. Ces outils vous permettent de classer et d’agréger des données tout en conservant la granularité des lignes. Par exemple, pour réaliser un classement des salaires sans perdre l’information individuelle :

SELECT name, salary, RANK() OVER (ORDER BY salary DESC) AS salary_rank FROM employees;

Cela vous permet de faire des analyses plus profondes tout en étant capable de visualiser tous les détails nécessaires.

En somme, maîtriser ces fonctions permet de transformer des requêtes banales en analyses qui crient pertinence et précision. En effet, pour un data analyst, ces compétences sont incontournables pour construire des reportings précis et significatifs. Si vous êtes en quête d’optimisation de requêtes, pensez à consulter des ressources utiles ici.

Prêt à dompter SQL pour booster vos analyses data ?

SQL est un levier incontournable pour tout data analyst sérieux. En maîtrisant les requêtes de base comme SELECT, WHERE, et ORDER BY, puis en s’attaquant aux transformations avancées via GROUP BY, CASE ou COALESCE, on transforme les masses de données en insights exploitables. Sans oublier les puissantes combinaisons de données grâce aux JOIN, UNION et sous-requêtes, ainsi que l’usage des fonctions fenêtres pour les analyses complexes. Cette expertise vous garantit gain de temps, rigueur et pertinence dans vos projets data, pour des décisions business éclairées et sans bavure.

FAQ

A propos de l’auteur

Franck Scandolera cumule plus de 10 ans d’expérience sur le terrain en tant que consultant et formateur expert en data engineering et analytics. Responsable de webAnalyste et formateur chez Formations Analytics, il accompagne des centaines de professionnels dans la maîtrise des outils complexes comme SQL, BigQuery, et l’automatisation des workflows data. Sa passion : rendre la donnée accessible, fiable et utile au business par des méthodes éprouvées, sans fioritures ni jargon superflu.