Start z AI: Język SQL - baza danych dla analityków (3 dni)

Cel szkolenia

Celem szkolenia jest nauczenie uczestników tworzenia zaawansowanych zapytań SQL oraz wykorzystania sztucznej inteligencji (AI) do analizy i optymalizacji pracy z danymi. Dzięki integracji SQL z AI uczestnicy nauczą się szybciej rozpoznawać strukturę danych, automatyzować procesy raportowania i stosować inteligentne techniki optymalizacji zapytań, co znacząco zwiększy efektywność pracy.

Adresaci szkolenia

Szkolenie jest skierowane do osób zajmujących się przetwarzaniem i analizą dużych ilości danych, które znają podstawy SQL lub chcą odświeżyć swoją wiedzę. Idealne dla analityków, specjalistów BI, osób pracujących w finansach, marketingu czy IT, które chcą wykorzystać AI do usprawnienia procesów raportowania i analizy danych.

Co usprawnisz dzięki SQL i AI

• Skrócisz ścieżki przepływu danych, eliminując pośrednie formaty (CSV, Excel).
• Usprawnisz tworzenie raportów i zestawień w arkuszach kalkulacyjnych oraz narzędziach BI.
• Wykorzystasz AI do automatycznej analizy struktury danych, predykcji trendów i optymalizacji zapytań.
• Zwiększysz komfort dostępu do danych i standaryzację metod raportowania.
• Utworzysz ujednolicony system raportujący, podnosząc bezpieczeństwo analiz.
• Radykalnie podniesiesz poziom swoich kompetencji i szanse na awans.

Program szkolenia

Wprowadzenie

Cel: Ujednolicenie wiedzy w grupie i ustawienie standardów pracy z kodem SQL. Poznasz ideę ograniczania wolumenu danych już na poziomie bazy (pre‑transformacje), aby przyspieszyć kolejne etapy analizy i zwiększyć automatyzację.

• Przegląd narzędzi do pracy z kodem. Jak dobrać edytor/klienta SQL, wtyczki i rozszerzenia ułatwiające codzienną pracę. Asystent AI podpowie skróty, szablony zapytań i dobre praktyki dla wybranego środowiska.
• Składnia i standardy języka SQL: Konsekwentne nazewnictwo, formatowanie, struktury zapytań. Automatyczne formatowanie i refaktoryzacja kodu wg ustalonych konwencji.

Podstawowe operacje

• Kwerendy wybierające - DQL (Data Query Language): Pobieranie danych (SELECT), projektowanie zestawów wynikowych. Generowanie szkiców zapytań z opisu w języku naturalnym (NL→SQL), szybkie profile kolumn.
• Kryteria i ich łączenie: Filtrowanie, łączenie warunków (AND/OR), negacje. Sugestie predykatów ograniczających wynik do niezbędnego minimum; wykrywanie nadmiarowych/ sprzecznych warunków.
• Sortowanie i filtrowanie danych: ORDER BY vs. wydajność; filtrowanie na właściwym etapie przetwarzania. Rekomendacje miejsc, gdzie filtrować (np. przed agregacją).
• Operatory SQL i priorytety: Operatory porównania, logiczne, arytmetyczne; kolejność ewaluacji. Wykrywanie niejawnych konwersji wpływających na wynik i wydajność.
• Funkcje wbudowane: Tekstowe, czasowe, liczbowe i inne. Propozycje funkcji najlepiej pasujących do zadania + przykłady użycia na danych uczestnika.

Łączenie i przekształcanie danych

• Złączenia tabel (JOIN): INNER/LEFT/RIGHT/FULL, łączenie po wielu kolumnach, funkcje w złączeniach. Podpowiedzi kluczy łączeń (na podstawie analizy schematu), wykrywanie ryzyka iloczynu kartezjańskiego, diagramowanie relacji.
• Scalanie wyników zapytań: Dołączanie tabel, warunki i ograniczenia (UNION/UNION ALL/INTERSECT/EXCEPT* zależnie od serwera). Sugestie właściwej operacji zbiorowej dla pożądanego efektu i wydajności.
• Widoki SQL (VIEW): Jak zapisywać zapytania jako widoki, zasady wydajności, modyfikacja/usuwanie, zastosowania. Refaktoryzacja złożonych zapytań do widoków, mapowanie zależności, nazewnictwo zgodne ze standardem.

Zaawansowane techniki

• Funkcje warunkowe (CASE): Budowa warunków, zastosowanie w SELECT/WHERE/ORDER BY. Sugestie uproszczeń (np. zastąpienie CASE tabelą mapowań), testy krawędziowe warunków.
• Podzapytania: Zagnieżdżone, skorelowane, w IN/NOT IN, jako źródło dla JOIN. Transformacje podzapytań do JOIN/CTE tam, gdzie to poprawia wydajność; wskazanie miejsc kosztownych operacji.
• Agregacja danych: Funkcje agregujące, GROUP BY/HAVING, CUBE/ROLLUP/GROUPING SETS. Identyfikacja „wymiarów” i „miar” w danych, projekt schematu agregacji pod raport BI, sugestie filtrowania przed/po agregacji.
• Funkcje okien: OVER, PARTITION BY, ORDER BY; ranking, numeracja, wartości pierwsze/ostatnie/poprzednie/następne. Dobór partycjonowania i sortowania dla stabilnych wyników; wykrywanie pułapek (np. niejednoznaczne ORDER BY).

Struktury i typy danych

• Wyrażenia tabelaryczne (CTE): Tworzenie wielopoziomowych zapytań, czytelność, utrzymanie. Rozcinanie monolitycznego SQL na etapowe CTE; wskazówki dot. kolejności obliczeń.
• Typy danych i konwersje: CAST/CONVERT, dobre praktyki, kontrola danych wychodzących. Wykrywanie niejawnych konwersji zabijających indeksy; rekomendacje „bezpiecznych” typów i normalizacji.
• PIVOT/UNPIVOT (w zależności od serwera): Przestawianie danych, budowa zapytań kolumna‑po‑kolumnie; wsparcie raportów. Projekt układu PIVOT dla docelowego raportu; ostrzeżenia dot. „dynamicznych” pivotów i ich kosztów.

Optymalizacja zapytań

Cel: Przyspieszenie wykonania i mniejsze obciążenie serwera. Automatyczna interpretacja planu wykonania, sugestie indeksów i przepisania zapytania, wykrywanie skanów pełnych, kosztownych sortów i nieoptymalnych joinów.

• Jak przyspieszać zapytania; kolejność wykonywania operacji w SQL
• Plan wykonania: odczyt, interpretacja, bottlenecki
• Indeksy (rodzaje, selektywność); widoki zmaterializowane/MQT

Kwerendy akcji - DML

• UPDATE/SET, INSERT INTO, DELETE, SELECT INTO: Zasady bezpiecznej modyfikacji danych, transakcyjność, audyt. Generowanie wzorców MERGE/UPSERT, szablony transakcji z kontrolą błędów, „bezpieczne” WHERE (ochrona przed przypadkowym masowym UPDATE/DELETE).

Integracja danych

• SQL → Excel/BI/ODBC: Podłączanie obiektów bazy do Excela i narzędzi BI, budowa zapytań pod raporty, kiedy kopiuj/wklej to za mało. Generowanie connection stringów, zapytań pod konkretne narzędzia (np. Power BI), profilowanie jakości danych (duplikaty, braki), automatyczne reguły czyszczenia.