SQL para Análise de Dados

O que são bancos de dados relacionais, como funcionam e por que o SQL é a linguagem padrão para trabalhar com eles. Configuração do ambiente e primeiros comandos: SELECT, FROM, WHERE.

Estrutura e organização de bancos de dados relacionais. Tabelas, colunas, tipos de dados, chaves primárias e estrangeiras. Como pensar em termos de dados relacionais.

Comandos fundamentais do SQL: SELECT, INSERT, UPDATE, DELETE. Sintaxe básica e boas práticas para escrever consultas claras e eficientes.

Introdução ao Google BigQuery como plataforma de análise de dados em nuvem. Como executar consultas SQL em grandes volumes de dados e integrar o BigQuery ao fluxo de trabalho analítico.

Aprofundamento nos comandos essenciais: filtragem com WHERE, ordenação com ORDER BY, limitação de resultados e uso de operadores lógicos e de comparação.

Como usar GROUP BY, HAVING, COUNT, SUM, AVG, MIN e MAX para consolidar e resumir grandes volumes de dados. Criação de relatórios agregados para análise de negócios.

Funções matemáticas do SQL para cálculos numéricos: arredondamento, potência, módulo e funções estatísticas. Como realizar operações matemáticas diretamente nas consultas.

Manipulação de strings com SQL: concatenação, extração de substrings, conversão de case e limpeza de texto. Como tratar e padronizar dados de texto em consultas.

Trabalhe com datas e timestamps no SQL: extração de partes de datas, cálculo de intervalos, formatação e comparação de períodos. Essencial para análises temporais.

Introdução às funções geográficas disponíveis no BigQuery. Como trabalhar com coordenadas, calcular distâncias e realizar análises espaciais com SQL.

Explica como combinar dados de diferentes tabelas. Aborda INNER JOIN, LEFT JOIN e outras variações.

Uso de subconsultas (subqueries) para resolver problemas complexos de análise de dados. Subqueries correlacionadas e não correlacionadas, na cláusula WHERE, FROM e SELECT.

Funções de janela (ROW_NUMBER, RANK, LAG, LEAD, SUM OVER, AVG OVER) para análises avançadas sem colapsar linhas. Aplicações práticas em rankings, comparações temporais e acumulados.