octobre 2023

by Maxime Simon on 2023-10-03 Laisser un commentaire

Semaine 65 – débutant

Cette semaine, nous plongeons dans le data product « Cybersyn US Patent Grants » de la Market Place. Nous allons utiliser des fonctions (UDFs) comme notre boîte à outils personnelle. Vous pouvez les utiliser pour enregistrer un algorithme spécifique, le partager avec toute votre équipe, et même les maintenir de manière centralisée avec git lorsque les besoins commerciaux changent. Et devinez quoi ? Vous pouvez les utiliser sur des jeux de données publics, comme ceux de Cybersyn.

Alors, voici notre épreuve :

Récupérez l’ensemble de données « Cybersyn US Patent Grants » sur la marketplace.
Utilisez la requête SQL ci-dessous préparée par Cybersyn pour déterrer tous les brevets liés à Nvidia (nous avons mis une limite de 10 pour ne pas vous submerger de résultats) :
Créez une fonction qui rend le résultat TRUE ou FALSE. Le résultat est TRUE seulement si l’écart entre APPLICATION_DATE et PUBLICATION_DATE est moins de 365 jours pour les brevets de type « Reissue » et de 2 ans pour ceux de type « design », sinon le résultat de la fonction est FALSE.

Requête SQL

SELECT patent_index.patent_id
    , invention_title
    , patent_type
    , application_date 
    , document_publication_date
FROM cybersyn_us_patent_grants.cybersyn.uspto_contributor_index AS contributor_index
INNER JOIN cybersyn_us_patent_grants.cybersyn.uspto_patent_contributor_relationships AS relationships
    ON contributor_index.contributor_id = relationships.contributor_id
INNER JOIN
    cybersyn_us_patent_grants.cybersyn.uspto_patent_index AS patent_index
    ON relationships.patent_id = patent_index.patent_id
WHERE contributor_index.contributor_name ILIKE 'NVIDIA CORPORATION'
    AND relationships.contribution_type = 'Assignee - United States Company Or Corporation'
LIMIT 10;

Tout est clair ? C’est parti !

Et n’oubliez pas, si vous souhaitez participer aux défis:
1. Inscrivez-vous en tant que membre de Frosty Friday. –> Vous pouvez le faire en cliquant sur la barre latérale, puis en cliquant sur ‘REGISTER‘ (notez que s’inscrire à notre liste de diffusion ne vous donne pas de compte Frosty Friday).
2. Publiez votre code sur GitHub et rendez-le accessible au public (consultez notre guide si vous ne savez pas comment faire, disponible ici)
3. Postez l’URL dans les commentaires du défi.

Si vous avez des questions techniques que vous souhaitez poser à la communauté, vous pouvez les poser ici, sur notre thread dédié.

by Maxime Simon on 2023-10-03 Laisser un commentaire

Semaine 23 – débutant

Cette semaine, nous allons explorer une autre fonctionnalité que la plupart des débutants n’ont probablement pas encore utilisée : SnowSQL

SnowSQL est le client en ligne de commande pour se connecter à Snowflake afin d’exécuter des requêtes SQL et d’effectuer toutes les opérations DDL et DML, y compris le chargement de données dans les tables de la base de données et le déchargement de données à partir de celles-ci.

Cette semaine, nous allons vous demander de l’utiliser pour l’une des fonctionnalités pour lesquelles il est le plus connu : le chargement en masse (Bulk loading).

On vous a demandé de charger certains fichiers dans une table et le directeur des ventes a dit que « ça ne vous prendra que 2 minutes ». Donc, nous sommes sûrs que cela nous prendra au moins 15 minutes.

Le défi :

Téléchargez le fichier ZIP contenant les fichiers CSV ici
Téléchargez et installez SnowSQL sur votre machine à partir de cette page
Connectez-vous à votre instance Snowflake avec SnowSQL
Chargez en masse les fichiers se terminant par ‘1’ (data_batch_1-1.csv, data_batch_1-11.csv, etc.)
Ignorez tout fichier erroné

Le résultat souhaité devrait ressembler à ceci :

Et n’oubliez pas, si vous souhaitez participer aux défis:

Inscrivez-vous en tant que membre de Frosty Friday. –> Vous pouvez le faire en cliquant sur la barre latérale, puis en cliquant sur ‘REGISTER‘ (notez que s’inscrire à notre liste de diffusion ne vous donne pas de compte Frosty Friday).
Publiez votre code sur GitHub et rendez-le accessible au public (consultez notre guide si vous ne savez pas comment faire, disponible ici)
Postez l’URL dans les commentaires du défi. Si vous avez des questions techniques que vous souhaitez poser à la communauté, vous pouvez les poser ici, sur notre thread dédié.

by Maxime Simon on 2023-10-03 Laisser un commentaire

Semaine 22 – débutant

Le directeur des ventes chez Frosty Sales n’a pas d’amis. Par conséquent, au lieu de donner à chaque représentant commercial une liste de villes, il a décidé de les trier de telle sorte que les quartiers de villes avec un identifiant impair appartiennent au représentant 1, et ceux avec un identifiant pair au représentant 2.

Votre tâche consiste à créer une vue sécurisée qui permettra :

De garantir que le représentant 1 ne peut voir que les quartiers de villes avec un identifiant impair.
De garantir que le représentant 2 ne peut voir que les quartiers de villes avec un identifiant pair.
Le champ ‘id’ est un identifiant généré de manière aléatoire (afin de respecter les meilleures pratiques pour les vues sécurisées).

Code de démarrage

-- File format to read the CSV
create or replace file format frosty_csv
    type = csv
    field_delimiter = ','
    field_optionally_enclosed_by = '"'
    skip_header = 1;
    
-- Creates stage to read the CSV
create or replace stage w22_frosty_stage
  url = 's3://frostyfridaychallenges/challenge_22/'
  file_format = frosty_csv;
  
-- Roles needed for challenge
create role rep1;
create role rep2;

-- Grant roles to self for testing
grant role rep1 to user <INSERT_YOUR_USERNAME>;
grant role rep2 to user <INSERT_YOUR_USERNAME>;

-- Enable warehouse usage. Assumes that `public` has access to the warehouse
grant role public to role rep1;
grant role public to role rep2;

-- Create the table from the CSV in S3
create table <YOUR_DB_NAME>.<YOUR_SCHEMA_NAME>.week22 as
select t.$1::int id, t.$2::varchar(50) city, t.$3::int district from @w22_frosty_stage (pattern=>'.*sales_areas.*') t;

-- Code for creating the secure view
<ENTER_CODE_HERE>
    
-- Roles need DB access
grant usage on database <YOUR_DB_NAME> to role rep1;
grant usage on database <YOUR_DB_NAME> to role rep2;
-- And schema access
grant usage on schema <YOUR_DB_NAME>.challenges to role rep1;
grant usage on schema <YOUR_DB_NAME>.challenges to role rep2;
-- And usage of view
grant select on view <YOUR_DB_NAME>.<YOUR_SCHEMA_NAME>.secure_cities to role rep1;
grant select on view <YOUR_DB_NAME>.<YOUR_SCHEMA_NAME>.secure_cities to role rep2;

-- Get the result of queries
use role rep1
select * from <YOUR_DB_NAME>.<YOUR_SCHEMA_NAME>.secure_cities;

use role rep2
select * from <YOUR_DB_NAME>.<YOUR_SCHEMA_NAME>.secure_cities;

RÉSULTATS

Lorsque le représentant 1 effectue une requête, il devrait voir ceci :

Lorsque le représentant 2 effectue une requête, il devrait voir ceci :

Et n’oubliez pas, si vous souhaitez participer aux défis:

Inscrivez-vous en tant que membre de Frosty Friday. –> Vous pouvez le faire en cliquant sur la barre latérale, puis en cliquant sur ‘REGISTER‘ (notez que s’inscrire à notre liste de diffusion ne vous donne pas de compte Frosty Friday).
Publiez votre code sur GitHub et rendez-le accessible au public (consultez notre guide si vous ne savez pas comment faire, disponible ici) .
Postez l’URL dans les commentaires du défi. Si vous avez des questions techniques que vous souhaitez poser à la communauté, vous pouvez les poser ici, sur notre thread dédié.

by Maxime Simon on 2023-10-03 Laisser un commentaire

Semaine 21 – débutant

Il se peut que ce soit de notre faute d’avoir laissé nos nouveaux stagiaires examiner notre collection de données sans que tout le monde chez SuperHero Inc. ait les compétences en matière de données que nous aimerions.
Nous avons reçu des rapports selon lesquels ils ont simplement pris d’anciennes feuilles de marquage papier et les ont transformées en données collectées.
Nos analystes ne sont pas particulièrement enthousiastes à propos des résultats obtenus et nous ont demandé de nettoyer un peu les données.

Les superhéros sont actuellement enregistrés sur une seule ligne et un ++, + ou – a été marqué dans la colonne pour chaque superpouvoir qu’ils possèdent.
Les analystes ont des problèmes pour compter les valeurs et les afficher facilement, et ils nous ont demandé si nous pourrions créer une nouvelle ligne pour chaque pouvoir de héros.

Les stagiaires ont créé cette table :

Données originales

Comme vous pouvez le voir, chaque héros a 2 pouvoirs, notés comme ‘++’ pour le pouvoir principal et + pour un pouvoir secondaire.

Ce que les analystes recherchent, c’est le résultat suivant :

Résultat attendu

La tâche pour cette semaine :

Transformer les données de manière à ce que chaque héros ait 1 ligne
Mettre les pouvoirs ++ dans la colonne « main_power »
Mettre les pouvoirs + dans la colonne « secondary_power »

Données de départ

create or replace table hero_powers (
hero_name VARCHAR(50),
flight VARCHAR(50),
laser_eyes VARCHAR(50),
invisibility VARCHAR(50),
invincibility VARCHAR(50),
psychic VARCHAR(50),
magic VARCHAR(50),
super_speed VARCHAR(50),
super_strength VARCHAR(50)
);
insert into hero_powers (hero_name, flight, laser_eyes, invisibility, invincibility, psychic, magic, super_speed, super_strength) values ('The Impossible Guard', '++', '-', '-', '-', '-', '-', '-', '+');
insert into hero_powers (hero_name, flight, laser_eyes, invisibility, invincibility, psychic, magic, super_speed, super_strength) values ('The Clever Daggers', '-', '+', '-', '-', '-', '-', '-', '++');
insert into hero_powers (hero_name, flight, laser_eyes, invisibility, invincibility, psychic, magic, super_speed, super_strength) values ('The Quick Jackal', '+', '-', '++', '-', '-', '-', '-', '-');
insert into hero_powers (hero_name, flight, laser_eyes, invisibility, invincibility, psychic, magic, super_speed, super_strength) values ('The Steel Spy', '-', '++', '-', '-', '+', '-', '-', '-');
insert into hero_powers (hero_name, flight, laser_eyes, invisibility, invincibility, psychic, magic, super_speed, super_strength) values ('Agent Thundering Sage', '++', '+', '-', '-', '-', '-', '-', '-');
insert into hero_powers (hero_name, flight, laser_eyes, invisibility, invincibility, psychic, magic, super_speed, super_strength) values ('Mister Unarmed Genius', '-', '-', '-', '-', '-', '-', '-', '-');
insert into hero_powers (hero_name, flight, laser_eyes, invisibility, invincibility, psychic, magic, super_speed, super_strength) values ('Doctor Galactic Spectacle', '-', '-', '-', '++', '-', '-', '-', '+');
insert into hero_powers (hero_name, flight, laser_eyes, invisibility, invincibility, psychic, magic, super_speed, super_strength) values ('Master Rapid Illusionist', '-', '-', '-', '-', '++', '-', '+', '-');
insert into hero_powers (hero_name, flight, laser_eyes, invisibility, invincibility, psychic, magic, super_speed, super_strength) values ('Galactic Gargoyle', '+', '-', '-', '-', '-', '-', '++', '-');
insert into hero_powers (hero_name, flight, laser_eyes, invisibility, invincibility, psychic, magic, super_speed, super_strength) values ('Alley Cat', '-', '++', '-', '-', '-', '-', '-', '+');

Et n’oubliez pas, si vous souhaitez participer aux défis:

Inscrivez-vous en tant que membre de Frosty Friday. –> Vous pouvez le faire en cliquant sur la barre latérale, puis en cliquant sur ‘REGISTER‘ (notez que s’inscrire à notre liste de diffusion ne vous donne pas de compte Frosty Friday).
Publiez votre code sur GitHub et rendez-le accessible au public (consultez notre guide si vous ne savez pas comment faire, disponible ici)
Postez l’URL dans les commentaires du défi. Si vous avez des questions techniques que vous souhaitez poser à la communauté, vous pouvez les poser ici, sur notre thread dédié.

by Jadalytics on 2023-10-02 Laisser un commentaire

Semaine 20 – Difficile

Si vous avez révisé votre SnowPro, vous savez que lorsque vous CLONEZ un objet, vous ne pouvez répliquer les autorisations sur cet objet que s’il s’agit d’une table. Mais la vie ne serait-elle pas plus simple si cétait aussi le cas pour les autres objets ? Eh bien… faites en sorte que ce soit le cas !

Votre défi consiste à créer une procédure stockée qui crée non seulement un clone d’un schéma, mais réplique également toutes les autorisations sur ce schéma. La procédure stockée devra être capable d’accepter un paramètre ‘AT’ ou ‘BEFORE’ fourni par l’utilisateur·ice.

Code de Démarrage:

create or replace role frosty_role_one;
create or replace role frosty_role_two;
create or replace role frosty_role_three;

create or replace schema cold_lonely_schema;
create or replace table cold_lonely_schema.table_one (key int, value varchar);

grant all on schema cold_lonely_schema to frosty_role_one;
grant all on schema cold_lonely_schema to frosty_role_two;
grant all on schema cold_lonely_schema to frosty_role_three;

grant all on table cold_lonely_schema.table_one to frosty_role_one;
grant all on table cold_lonely_schema.table_one to frosty_role_two;
grant all on table cold_lonely_schema.table_one to frosty_role_three;


create or replace procedure schema_clone_with_copy_grants(database_name string, 
<code_here>


call schema_clone_with_copy_grants('frosty_friday', 
                               'cold_lonely_schema',
                               'frosty_friday',
                               'cold_lonely_clone', 
                               NULL);


select *
from table(information_schema.query_history_by_session())
order by start_time desc;

Faites attention aux paramètres passés à la fonction :

database_name = cela doit être le nom de la base de données du schéma d’origine
schema_name = cela doit être le nom du schéma d’origine
target_database = cela doit être la base de données du schéma cloné
cloned_schema_name = cela doit être le nom du schéma cloné
at_or_before_statement = votre utilisateur·ice doit être en mesure de fournir un paramètre AT/BEFORE personnalisé qui sera ajouté à la déclaration CREATE … CLONE. Par exemple :
‘at (timestamp => to_timestamp_tz(’04/05/2013 01:02:03’, ‘mm/dd/yyyy hh24:mi:ss’));’, ou
‘before (statement => ‘8e5d0ca9-005e-44e6-b858-a8f5b37c5726′);’

Pour le dernier paramètre ci-dessus, le code de démarrage passe une valeur NULL. Des points bonus pour ceux qui testent que cette partie de leur code fonctionne !

RÉSULTAT

La première requête avec l’instruction ‘call’ devrait produire ce qui suit :

La deuxième devrait produire un résultat comme ceci :

Si vous avez des questions techniques que vous souhaitez poser à la communauté, vous pouvez les poser ici, sur notre thread dédié.

by Jadalytics on 2023-10-02 Laisser un commentaire

Semaine 19 – Débutant

Cette semaine, nous examinons quelque chose de très précis, mais utile : une table de dimension « date » associée à une fonction UDF qui calcule le nombre de jours ouvrés entre deux dates. (Comme c’est un défi facile, nous n’excluerons pas les jours fériés).

Nous avons parlé avec le Syndicat des Superhéros et avons reçu des plaintes selon lesquelles les horaires des superhéros ne tiennent pas dans une « journée de travail normale' » et que « même les superhéros ont besoin de week-ends de repos ».

Pour commencer ce défi, nous avons besoin que vous construisiez une table de dimension « date » qui contient les informations et colonnes suivantes :

Toutes les dates depuis le 1er janvier 2000
L’année en 4 chiffres (pour le 1er janvier 2000, ce serait 2000)
Les 3 premières lettres du mois (pour le 1er janvier 2000, ce serait Jan)
Le nom du mois (pour le 1er janvier 2000, ce serait Janvier)
Le numéro du jour dans ce mois (pour le 1er janvier 2000, ce serait 1)
Le numéro du jour de la semaine (les lundis sont 1, les mardis sont 2, etc., OU tout autre ordre qui a du sens pour vous)
Le numéro de la semaine dans cette année (pour le 1er janvier 2000, ce serait 1)
Le numéro du jour dans cette année (pour le 1er janvier 2000, ce serait 1)

En plus de la table de dimension « date », vous devez créer une fonction pour calculer le nombre de jours ouvrés entre deux dates, qui puisse facilement alterner entre l’inclusion ou l’exclusion de la deuxième date dans le calcul (c’est à dire que du lundi 2 novembre 2020 inclus au vendredi 6 novembre 2020 non inclus, la fonction doit indiquer 4 jours, mais du lundi 2 novembre 2020 inclus au vendredi 6 novembre 2020 inclus, elle indiquera 5 jours).

Exemple de résultat fourni par la fonction

Utilisez ensuite cette fonction sur les données de test suivantes :

Données de test:

create table testing_data (
id INT,
start_date DATE,
end_date DATE
);
insert into testing_data (id, start_date, end_date) values (1, '11/11/2020', '9/3/2022');
insert into testing_data (id, start_date, end_date) values (2, '12/8/2020', '1/19/2022');
insert into testing_data (id, start_date, end_date) values (3, '12/24/2020', '1/15/2022');
insert into testing_data (id, start_date, end_date) values (4, '12/5/2020', '3/3/2022');
insert into testing_data (id, start_date, end_date) values (5, '12/24/2020', '6/20/2022');
insert into testing_data (id, start_date, end_date) values (6, '12/24/2020', '5/19/2022');
insert into testing_data (id, start_date, end_date) values (7, '12/31/2020', '5/6/2022');
insert into testing_data (id, start_date, end_date) values (8, '12/4/2020', '9/16/2022');
insert into testing_data (id, start_date, end_date) values (9, '11/27/2020', '4/14/2022');
insert into testing_data (id, start_date, end_date) values (10, '11/20/2020', '1/18/2022');
insert into testing_data (id, start_date, end_date) values (11, '12/1/2020', '3/31/2022');
insert into testing_data (id, start_date, end_date) values (12, '11/30/2020', '7/5/2022');
insert into testing_data (id, start_date, end_date) values (13, '11/28/2020', '6/19/2022');
insert into testing_data (id, start_date, end_date) values (14, '12/21/2020', '9/7/2022');
insert into testing_data (id, start_date, end_date) values (15, '12/13/2020', '8/15/2022');
insert into testing_data (id, start_date, end_date) values (16, '11/4/2020', '3/22/2022');
insert into testing_data (id, start_date, end_date) values (17, '12/24/2020', '8/29/2022');
insert into testing_data (id, start_date, end_date) values (18, '11/29/2020', '10/13/2022');
insert into testing_data (id, start_date, end_date) values (19, '12/10/2020', '7/31/2022');
insert into testing_data (id, start_date, end_date) values (20, '11/1/2020', '10/23/2021');

Si vous avez des questions techniques que vous souhaitez poser à la communauté, vous pouvez les poser ici, sur notre thread dédié.

by Jadalytics on 2023-10-02 Laisser un commentaire

Semaine 18 – Difficile

Pour le défi de cette semaine, nous sommes très heureux de présenter un défi rédigé par Daniel Myers, de Snowflake ! Nous lui avons donné carte blanche pour choisir n’importe quelle fonctionnalité ou sujet, et nous sommes ravis qu’il ait choisi celui-ci ! Ne vous laissez pas décourager en pensant « ce n’est pas pour moi, je n’ai jamais fait de data science auparavant ». Au contraire, profitez de cette occasion pour acquérir de l’expérience !

Vous ne savez pas par où commencer ? Consultez les ressources sous la section Aide / Astuces / Conseils.

Le défi

L’inflation est en hausse ! Le défi d’aujourd’hui consiste à prédire l’inflation future en utilisant des données économiques réelles provenant de la Marketplace Snowflake. Vous allez entraîner un modèle de régression linéaire dans Snowflake qui prédit les dépenses de consommation personnelles (en anglais Personal consumption expenditures ou PCE) pour n’importe quelle année future donnée ! Pour répondre à ce défi, prédisez les PCE pour 2024.

Les données : https://www.snowflake.com/datasets/knoema-economy-data-atlas/

Aide / Astuces / Conseils

Pour visualiser les données historiques de la consommation personnelle :

SELECT "Date", "Value" FROM "ECONOMY"."BEANIPA" 
WHERE "Table Name" = 'Price Indexes For Personal Consumption Expenditures By Major Type Of Product' 
AND "Indicator Name" = 'Personal consumption expenditures (PCE)' 
AND "Frequency" = 'A' 
AND "Date" >= '1972-01-01'
ORDER BY "Date"

Quickstarts utile : https://quickstarts.snowflake.com/guide/data_apps_summit_lab/

Réponse attendue

Cette fois-ci, nous ne vous montrons pas la réponse complète, mais la valeur d’une année précédente pour vous aider à vérifier que vous êtes sur la bonne voie :

La réponse indiquée est celle de l’année 2021. Vous devez trouver la valeur pour 2024.

Merci à Daniel d’avoir proposé ce challenge. Vous pouvez suivre Daniel sur LinkedIn ou sur Twitter.

Si vous avez des questions techniques que vous souhaitez poser à la communauté, vous pouvez les poser ici, sur notre thread dédié.

by Jadalytics on 2023-10-02 Laisser un commentaire

Semaine 16 – Intermédiaire

C’est vendredi, journée parfaite pour mettre au défi vos compétences en parsing de JSON !

Voici le code de configuration initial :

Code de départ:

create or replace file format json_ff
    type = json
    strip_outer_array = TRUE;
    
create or replace stage week_16_frosty_stage
    url = 's3://frostyfridaychallenges/challenge_16/'
    file_format = json_ff;

create or replace table <schema>.week16 as -- replace <schema> by the name of your schema
select t.$1:word::text word, t.$1:url::text url, t.$1:definition::variant definition  
from @week_16_frosty_stage (file_format => 'json_ff', pattern=>'.*week16.*') t;

RÉSULTAT FINAL

Et voici ce que vous devriez obtenir si vous exécutez ce qui suit :

select * 
from (
    <votre requête pour parser le JSON va ici>
) sub
where word like 'l%';

Si c’est correct, alors vous devriez avoir (sans le filtre « where word like ‘l%' ») :

count(word) devrait vous donner 32 295 lignes
count(distinct word) devrait vous donner 3 000 lignes

SOURCES DE DONNÉES :

POINTS BONUS :

Si vous avez la chance d’être dans l’une des régions suivantes, essayez d’appliquer la fonctionnalité Search Optimization sur votre table en utilisant un chemin d’accès de type VARIANT.

Si vous avez des questions techniques que vous souhaitez poser à la communauté, vous pouvez les poser ici, sur notre thread dédié.

by Jadalytics on 2023-10-01 Laisser un commentaire

Semaine 14 – Débutant

Cette semaine, nous allons faire l’inverse de ce que les gens font habituellement: nous allons transformer une table en un objet JSON VARIANT.

Voici une table avec des informations sur un ensemble de super-héros. Votre tâche consiste à transformer cette table en un objet JSON VARIANT.

Voici le code de démarrage :

CREATE OR REPLACE TABLE week_14 (
    superhero_name varchar(50),
    country_of_residence varchar(50),
    notable_exploits varchar(150),
    superpower varchar(100),
    second_superpower varchar(100),
    third_superpower varchar(100)
);

INSERT INTO week_14 VALUES ('Superpig', 'Ireland', 'Saved head of Irish Farmer\'s Association from terrorist cell', 'Super-Oinks', NULL, NULL);
INSERT INTO week_14 VALUES ('Señor Mediocre', 'Mexico', 'Defeated corrupt convention of fruit lobbyists by telling anecdote that lasted 33 hours, with 16 tangents that lead to 17 resignations from the board', 'Public speaking', 'Stamp collecting', 'Laser vision');
INSERT INTO week_14 VALUES ('The CLAW', 'USA', 'Horrifically violent duel to the death with mass murdering super villain accidentally created art installation last valued at $14,450,000 by Sotheby\'s', 'Back scratching', 'Extendable arms', NULL);
INSERT INTO week_14 VALUES ('Il Segreto', 'Italy', NULL, NULL, NULL, NULL);
INSERT INTO week_14 VALUES ('Frosty Man', 'UK', 'Rescued a delegation of data engineers from a DevOps conference', 'Knows, by memory, 15 definitions of an obscure codex known as "the data mesh"', 'can copy and paste from StackOverflow with the blink of an eye', NULL);

RÉSULTAT :

Si vous avez des questions techniques que vous souhaitez poser à la communauté, vous pouvez les poser ici, sur notre thread dédié.

by Jadalytics on 2023-10-01 Laisser un commentaire

Semaine 13 – Débutant

Cette semaine, nous avons un problème un peu trompeur: très facile à comprendre mais délicat à exécuter en SQL.

Vous trouverez votre code de départ ici:

create or replace table testing_data(id int autoincrement start 1 increment 1, product string, stock_amount int,date_of_check date);


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero capes',1,'2022-01-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero capes',2,'2022-01-02');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero capes',NULL,'2022-02-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero capes',NULL,'2022-03-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero masks',5,'2022-01-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero masks',NULL,'2022-02-13');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero pants',6,'2022-01-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero pants',NULL,'2022-01-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero pants',3,'2022-04-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero pants',2,'2022-07-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero pants',NULL,'2022-01-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero pants',3,'2022-05-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero pants',NULL,'2022-10-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero masks',10,'2022-11-01');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero masks',NULL,'2022-02-14');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero masks',NULL,'2022-02-15');


insert into testing_data (product,stock_amount,date_of_check) values ('Superhero masks',NULL,'2022-02-13');

Tout le monde a reçu au moins une fois dans sa vie des données parfaitement lisibles et intelligibles pour les humains, mais inutiles pour les machines. Un bon exemple en est le jeu de données suivant de Superhero Inc. :

La gestion des stocks a été chaotique avec des contrôles irréguliers à différentes dates et un système de gestion des stocks qui aurait vraiment besoin d’un peu d’attention.

En tant qu’humain, nous pouvons facilement extrapoler que la quantité de stock n’a pas été mise-à-jour dans les enregistrement vides parce qu’elle n’a pas changé et que la valeur précédente qui a été remplie s’applique toujours, mais impossible de construire un système là-dessus.

Votre challenge aujourd’hui est donc d’appliquer cette logique à la table en SQL, afin que les cellules vides soient complétées avec la dernière valeur non-nulle. Autrement dit, nous voulons créer la colonne STOCK_AMOUNT_FILLED_OUT comme suit :

Nous savons secrètement que Snowflake a un moyen de faire cela un peu plus facilement que d’autres systèmes. Donc, si vous voulez vraiment vous mettre au défi, vous pouvez essayer de faire ce défi sans utiliser d’outils spécifiques à Snowflake.

Si vous avez des questions techniques que vous souhaitez poser à la communauté, vous pouvez les poser ici, sur notre thread dédié.

Archives pour octobre 2023

Le défi

Aide / Astuces / Conseils

Réponse attendue