Question 1

Was ist eine Window Function in SQL?

Accepted Answer

Eine Window Function führt eine Berechnung über eine Reihe von Zeilen durch, die mit der aktuellen Zeile verbunden sind, ohne die Ergebnisse in eine einzelne Ausgabezeile zusammenzuführen. Im Gegensatz zu GROUP BY, das die Anzahl der Zeilen reduziert, behält eine Window Function alle Zeilen im Ergebnis bei und fügt eine berechnete Spalte hinzu. Die OVER()-Klausel definiert das Fenster, über das die Berechnung durchgeführt wird.

Question 2

Welche Klausel ist obligatorisch, um eine Window Function zu definieren?

Accepted Answer

Die OVER()-Klausel ist für jede Window Function obligatorisch. Sie teilt der SQL-Engine mit, dass die Funktion als Window Function und nicht als reguläre Aggregatfunktion ausgeführt werden soll. OVER() kann PARTITION BY, ORDER BY und eine Frame-Spezifikation enthalten, aber auch leer bleiben, um die Berechnung über die gesamte Ergebnismenge anzuwenden.

Question 3

Welche Rolle spielt PARTITION BY in einer Window Function?

Accepted Answer

PARTITION BY teilt die Zeilenmenge in unabhängige Gruppen (Partitionen) auf, und die Window Function wird separat auf jede Partition angewendet. Im Gegensatz zu GROUP BY reduziert PARTITION BY nicht die Anzahl der Zeilen im Ergebnis. Zum Beispiel berechnet SUM(sales) OVER(PARTITION BY region) den Gesamtumsatz pro Region und behält dabei jede einzelne Zeile bei.

SQL - Window Functions

Was ist eine Window Function in SQL?

Antwort

Welche Klausel ist obligatorisch, um eine Window Function zu definieren?

Antwort

Welche Rolle spielt PARTITION BY in einer Window Function?

Antwort

Was ist der Hauptunterschied zwischen GROUP BY und PARTITION BY?

Was gibt ROW_NUMBER() OVER(ORDER BY salary DESC) zurück?

Weitere Data Analytics-Interviewthemen

Google Sheets - Grundlagen

Google Sheets - Erweiterte Formeln

SQL - Grundlagen

SQL - Aggregationen und Gruppierungen

SQL - Joins

BigQuery - Grundlagen

Data Cleaning - Datenbereinigung

KPIs und Business-Metriken

Deskriptive Statistik

Zapier und No-Code-Automatisierung

Grundlagen der Datenvisualisierung

Python & Pandas - Grundlagen

Google Sheets - Automatisierte Dashboards

SQL - Unterabfragen und CTEs

BigQuery - Erweiterte Funktionen

Data Modeling

Funnel- und Conversion-Analyse

Kohorten- und Retention-Analyse

Google Tag Manager und Tracking

APIs und Webhooks

dbt - Grundlagen

AB-Testing und angewandte Statistik

Looker Studio (Google Data Studio)

Power BI - Grundlagen

SQL - Erweiterte analytische Abfragen

dbt - Erweiterte Funktionen

Power BI - DAX und fortgeschrittene Dashboards

Python Analytics - Erweiterte Analyse und ML

Meistere Data Analytics für dein nächstes Interview