BI Consult Desktop Logo BI Consult Mobile Logo
  • Russian BI Исследование российских bi
  • Перейти на Fine BI
  • Контакты
  • +7 812 334-08-01
    +7 499 608-13-06
  • Отправить сообщение
  • Главная
  • Продукты Эксперт-BI
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Сельское хозяйство
    • Энергетика
    • FMCG
    • Девелоперы
    • Маркетплейсы
    • Пищевая промышленность
    • Фармацевтика
    • Построение Data Platform
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и FP&A
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • IBP
    • ИТ (CIO)
    • Закупки
  • Платформы
    • Системы бизнес-анализа (BI)
    • Интегрированное бизнес-планирование (IBP)
    • Хранилища данных (DWH / Lakehouse)
    • Каталоги данных (Data Catalog)
    • Системы ETL и ELT
    • AI / Исскуственный интеллект
    • Шина данных (ESB)
    • Система управления мастер-данными (MDM)
    • Семантический слой
  • Услуги
    • Переход на отечественные BI и DWH системы
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений и DWH
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Курсы
    • Учебный курс Информационная грамотность (Data Literacy)
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Greenplum
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt (Data Build Tool)
  • Компания
    • Руководство
    • Новости
    • Клиенты
    • Карьера
    • Скачать
    • Контакты

BI

  • FineBI
  • FineReport
  • FineDataLink
  • FineChatBI (FineAI)
  • Коннекторы данных из 1С в BI
  • Airflow / Nifi
  • Visiology
  • PIX BI
  • Modus BI
  • Yandex.DataLens
  • Open-source BI: Superset/Metabase
  • Luxms BI
  • AW BI + Alpha BI
  • FlyBI + Форсайт. Аналитическая Платформа
  • Loginom
  • Триафлай
  • AI / Исскуственный интеллект
  • Optimacros
  • Навигатор BI
  • Семантический слой

СУБД

  • Arenadata
  • ClickHouse
  • Greenplum
  • Postgres Professional
  • TData

Другое

  • Построение Data Platform
    • Аналитическое хранилище данных
    • Data Lake и Data Engineering
    • Подробнее про Data Lake
    • Внедрение Lakehouse
      • Apache Doris
      • StarRocks
      • Trino
    • Миграция витрин из пропиетарных DWH на новый стек
    • Учебный курс "Современная архитектура хранилища данных"
Главная » Российские платформы современного стека хранения, обработки и анализа данных » Искусственный интеллект для бизнеса: от стратегии до внедрения » ChatGPT – настоящий помощник в изучении SQL

ChatGPT – настоящий помощник в изучении SQL

или как использовать этот чудо инструмент для прокачки навыков SQL

 

ChatGPT может делать много классных вещей, в том числе писать коды. Вcе что Вам нужно, это дать чат-боту правильные инструкции.

Если Вы хотите изучить SQL, ChatGPT может стать отличным помощником в этом деле! Он поможет составить SQL – запросы, используя естественный язык, найти ответы на вопросы и объяснить то, что никак не поддается Вашему пониманию.

 

В этой статье мы поговорим о том, как можно использовать ChatGPT для изучения SQL и стать настоящим профи в этом деле.

 

Давайте разбираться вместе!

 

Во-первых, … что такое ChatGPT?

ChatGPT – это большая языковая модель, разработанная компанией OpenAI. Она в состоянии составлять тексты, отвечать на вопросы и участвовать в беседах с людьми.

Мы можем воспользоваться знаниями этой модели — и ее способностью общаться с нами на человеческом языке — для того, чтобы лучше понять, то такое SQL и разобраться в данном вопросе.

 

#Шаг 1: Установка ChatGPT

Для того, чтобы начать работу с ChatGPT, необходимо зарегистрироваться здесь.

 

Затем необходимо ввести Ваш email и номер  телефона.

 

#Шаг 2: Начните общение с ChatGPT

Как только Вы получите доступ к ChatGPT,  Вы увидите следующее:

 

Для того, чтобы начать общаться с ChatGPT, можете написать что угодно в поле ввода внизу экрана. Поскольку я собираюсь потревожить ее — или его — на всякий случай заранее попрошу прощения за беспокойство ;)

 

#Шаг 3: Спросите все, что угодно — и она Вам ответит.

Теперь можем начинать задавать свои вопросы. Меня интересует изучение SQL. Я бы порекомендовал сфокусироваться на 5 основных вещах, вполне подвластных ChatGPT.

 

1. Объяснение команд SQL

Всякий раз при знакомстве с новым языком программирования, как правило, у нас возникает множество вопросов и сомнений по поводу той или иной команды. ChatGPT может помочь понять абсолютно любую команду при помощи достаточно простых объяснений и дать нам столько примеров ее использования, сколько нужно.

Начнем с базовой  команды SELECT.

Объясни мне вкратце, что такое команда SELECT, и покажи пример, как ее можно использовать.

ChatGPT коротко ответит о том, что такое команда SELECT и предоставит самый простой пример ее использования: SELECT * FROM

 

Я могу продолжить задавать вопросы о команде SELECT.

Объясни мне, что такое команда SELECT, и покажи мне несколько примеров того, как ее можно использовать

Как показано на картинке ниже, ChatGPT предоставит базовую информацию о команде, а также несколько примеров ее использования.

 

Можете спросить модель о совершенно любой команде, которая Вас интересует, а пока я поговорю с ней о HAVING.

 

Приведи мне несколько примеров команды HAVING

 

ChatGPT выдаст следующие примеры:

  1.  Для того, чтобы найти ФИО и зарплаты всех сотрудников, чья зарплата больше среднего  значения  по компании, используйте следующий запрос:

SELECT 
      name,       salary FROM employees
 GROUP BY name
 HAVING salary > (SELECT AVG(salary) FROM employees);

 

2. Для того, чтобы найти ФИО всех покупателей, которые сделали более 10 заказов за прошлый год, используйте следующий запрос:

SELECT 
      name  FROM customers 
 WHERE customer_id 
 IN 
 (   SELECT customer_id 
   FROM orders 
   WHERE date >= DATEADD(year, -1, GETDATE()) 
   GROUP BY customer_id 
   HAVING COUNT(*) > 10
 );

 

Безусловно, Вы можете попросить показать Вам и другие объяснения и примеры. Попробуйте спросить о любой интересующей Вас команде, и Вы сразу же получите ответ.

 

2. Вы можете спросить ChatGPT о том, как сделать что-либо в SQL, и чат-бот сразу же подскажет Вам, какую команду (или команды) необходимо использовать.

 

Я хочу объединить две таблицы,  какую команду SQL я должен использовать?

 

Ответ ChatGPT можно будет увидеть на картинке ниже.

 

Но мне нужно объединить две таблицы таким образом, чтобы строки имели совпадающие значения в определенных столбцах. В этом случае я могу задать вопрос еще раз и узнать, какую именно команду мне следует использовать в этом случае.

Тогда ChatGPT ответит мне только про INNER JOIN:

 

И предоставит мне соответствующий запрос:

SELECT 
     * FROM table1
 INNER JOIN table2
    ON  table1.id = table2.id
    AND table1.name = table2.name;

 

3. Вы можете попросить ChatGPT создать запрос с использованием естественного языка.

Представим, что я знаю результат, который мне нужен, но я и понятия не имею о том, как  сформулировать запрос. В этом случае я просто могу объяснить ChatGPT, что я хочу сделать, и модель предоставит мне необходимую инструкцию.


Объясни мне, как создать запрос SQL , который вычислит самые дорогие города Европы на основе таблицы, содержащей цены на разные товары в каждом городе.

 

ChatGPT сразу же даст мне следующий ответ:

 

ChatGPT предоставит мне пример запроса и объяснит, как он работает.

 

4. Можете попросить ChatGPT объяснить Вам, как работает запрос.

Представим такую ситуацию: Вам необходимо  сделать работу за коллегу, который на данный момент находится на больничном, но Вы не понимаете его запросы — некоторые люди пишут коды беспорядочно, или Вам просто лень, и Вы не хотите тратить много времени на понимание запросов других людей.

Это совершенно нормально — используйте ChatGPT, он придет Вам на помощь.

Что делает следующий запрос: [вставьте запрос сюда]

WITH
 -- Structure------------------------------------------------------------------------------------------
 Neighbourhood_List AS
 (
 SELECT DISTINCT
        neighbourhood
 FROM bcn_airbnb_dataset
 ),

-- Info BY neighbourhood ------------------------------------------------------------------------------------------
 Data_by_neighbourhood_BCN AS
 (
 SELECT DISTINCT
        neighbourhood,
        COUNT(DISTINCT id)                                                  AS num_apartments,
        COUNT(DISTINCT host_id)                                             AS num_hosts,
        ROUND(CAST(COUNT(DISTINCT id) AS FLOAT)/COUNT(DISTINCT host_id),2)  AS mean_apartments_by_host,
        ROUND(AVG(price),2)                                                 AS AVG_price,
        ROUND(AVG(review_cleanliness),2)                                    AS AVG_cleanliness,
        ROUND(AVG(review_location),2)                                       AS AVG_location  
 FROM bcn_airbnb_dataset
 GROUP BY 1
 ORDER BY 2 DESC
 ),

 -- Global Info------------------------------------------------------------------------------------------
 Data_global_BCN AS
 (
 SELECT DISTINCT
        COUNT(DISTINCT id)                                                  AS num_apartments,
        COUNT(DISTINCT host_id)                                             AS num_hosts,
        ROUND(CAST(COUNT(DISTINCT id) AS FLOAT)/COUNT(DISTINCT host_id),2)  AS mean_apartments_by_host,
        ROUND(AVG(price),2)                                                 AS AVG_price,
        ROUND(AVG(review_cleanliness),2)                                    AS AVG_cleanliness,
        ROUND(AVG(review_location),2)                                       AS AVG_location  
 FROM bcn_airbnb_dataset
 ORDER BY 1 DESC
 )

 -- Final Query----------------------------------------------------------------------------------------
 SELECT
       Structure.neighbourhood,
       T1.num_apartments,
       100*T1.num_apartments/T2.num_apartments AS comp_apartments,
       T1.num_hosts,
       100*T1.num_hosts/T2.num_hosts           AS comp_hosts,
       T1.mean_apartments_by_host,
       T1.AVG_price,
       CASE WHEN T1.AVG_price > T2.AVG_price  THEN "Above"
            WHEN T1.AVG_price = T2.AVG_price  THEN "Equals"
            WHEN T1.AVG_price < T2.AVG_price  THEN "Below"
       END AS "Price_comparison_to_city",
       T1.AVG_cleanliness,
       CASE WHEN T1.AVG_cleanliness > T2.AVG_cleanliness  THEN "Above"
            WHEN T1.AVG_cleanliness = T2.AVG_cleanliness  THEN "Equals"
            WHEN T1.AVG_cleanliness < T2.AVG_cleanliness  THEN "Below"
       END AS "Clean_Comparison_to_city",
       T1.AVG_location,
       CASE WHEN T1.AVG_location > T2.AVG_location  THEN "Above"
            WHEN T1.AVG_location = T2.AVG_location  THEN "Equals"
            WHEN T1.AVG_location < T2.AVG_location  THEN "Below"
       END AS "Location_Comparison_to_city"

 FROM Neighbourhood_List              AS Structure
 LEFT JOIN Data_by_neighbourhood_BCN  AS T1
   ON Structure.neighbourhood = T1.neighbourhood
 CROSS JOIN Data_global_BCN           AS T2
 

ChatGPT сразу же ответит Вам:

 

Как видно на изображении выше, ChatGPT шаг за шагом объяснит, что делает данный запрос.

Во-первых, он объясняет все содержащиеся подзапросы и то, что они делают. Во-вторых, он объясняет окончательный запрос и то, как он использует предыдущие подзапросы для объединения всех данных. Мы даже можем запросить более подробные объяснения в заданном подзапросе.


Что делает второй подзапрос предыдущего запроса?

 

 

Как показано на картинке выше, ChatGPT подробно объясняет, что делает второй подзапрос.

Можете спросить  ChatGPT о совершенно любом запросе!

 

5. Можете ​попросить ChatGPT «помучить» Вас упражнениями.

На мой взгляд, самая приятная функция ChatGPT – тестирование Ваших способностей. Модель даже в состоянии отметить то, что Вы делаете хорошо, а что  — плохо.

 

Дай мне, пожалуйста, упражнения, чтобы попрактиковаться в  SQL.

 

 

Теперь ChatGPT говорит мне, какие задачи я должен выполнить. В этом случае я могу попытаться решить первую из них и спросить модель, верно ли мое решение.
 

Верен ли следующий запрос в качестве ответа на первое упражнение: [вставить запрос]

 

ChatGPT даст ответ, а также уточнит, верен ли Ваш вариант и почему.

 

Я могу попросить правильный ответ на каждый из предыдущих примеров:

 

Можешь дать мне правильный ответ на предыдущие упражнения?

 

Как Вы можете видеть ниже, ChatGPT даст мне все правильные ответы.

 

 

Обратите внимание, что ответ, который дает мне ChatGPT, и тот, который дал я для проверки, совершенно разные.

 

Заключение

SQL — ценный навык в современном мире, основанном на данных. Используя ChatGPT, Вы сможете освоить его с легкостью. Продолжая учиться и практиковаться, благодаря этому умному инструменту Вы наверняка расширите свои умения и совершите серьезный скачок в карьере.

 

Узнать стоимость решенияЗапросить видео презентацию

← Предыдущая статья
Прокачайте корпоративные данные с ChatGPT: приложения нового поколения - Azure OpenAI и Cognitive Search
Следующая статья →
Благодаря ChatGpt и Tableau Вам больше не придется делать визуализацию данных вручную
Запросить видео презентацию Запросить доступ к демо стенду online Узнать стоимость лицензий

Задать вопрос

loading...

Решения

Анализировать ФинансыУвеличивайте ПродажиОптимальный Склад и ЛогистикаМаркетинговые Метрики

Клиенты
  • ПАО «Ростелеком» — российский провайдер цифровых услуг и сервисов. Предоставляет услуги широкополосного доступа в Интернет, интерактивного телевидения, сотовой связи, местной и дальней телефонной связи и др. Занимает лидирующие позиции на российском рынке высокоскоростного доступа в интернет, платного ТВ, хранения и обработки данных, а также кибербезопасности

  • Novikov group – первый российский ресторанный холдинг, основанный в 1991 году. Это команда профессионалов под управлением Аркадия Новикова, реализующая широкий спектр услуг в сфере гостеприимства: от проведения event-мероприятия до управления рестораном, от установления стандартов сервиса до контроля качества готовой продукции, от построения бизнес-плана проекта до реализации франшизы.

  • «Восток-Запад» – крупнейший поставщик продуктов в рестораны, кафе, гостиницы, кейтеринговые компании, столовые, комбинаты питания и кондитерские производства. 300+ городов регулярной доставки по всей территории России и странам СНГ; 3500+ товаров профессиональных брендов.

  • AbbVie – компания, которая стремится решить самые серьезные проблемы здравоохранения. Это биофармацевтическая компания, сфокусированная на исследованиях и разработках.

  • Решения
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Энергетика
    • Фармацевтика
  • Услуги
    • Переход на отечественные BI и DWH
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Техническая поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Платформы
    • FineBI
    • FineReport
    • FineDataLink
    • Коннекторы данных из 1С в BI
    • Airflow + NiFi
    • Visiology
    • Luxms BI
    • Modus BI
    • PIX BI
    • Arenadata
    • ClickHouse
    • Greenplum
    • Postgres Professional
    • Open-source BI: Superset/Metabase
    • Loginom
    • Yandex.DataLens
    • AI / Исскуственный интеллект
    • Optimacros
    • Шины данных
  • Курсы
    • Учебный курс Информационная грамотность
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt
  • Функциональные решения
    • Создание Data Lake
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и прогнозная аналитика
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • Сквозная аналитика
  • Компания
    • О нас
    • Руководство
    • Новости
    • Клиенты
    • Скачать
    • Контакты
    • Политика конфиденциальности
RutubeVkontakteLinkedInYouTube
ООО "Би Ай Консалт",
ИНН: 7811437757,
ОГРН: 1097847154184
199178, Россия,
Санкт-Петербург,
6-ая линия В.О., Д. 63, 4 этаж
Тел: +7 (812) 334-08-01
Тел: +7 (499) 608-13-06
E-mail: info@biconsult.ru

 

 

 

 

 

×

Пользуясь сайтом, вы соглашаетесь с использованием cookies и политикой конфиденциальности.