SQL - Requêtes analytiques avancées
Analyse de cohortes, funnels, rétention, calcul de KPIs, requêtes pivots, optimisation
1Dans une analyse de cohortes, quel est le rôle principal de la date de première action (first touch date) ?
Dans une analyse de cohortes, quel est le rôle principal de la date de première action (first touch date) ?
Réponse
La date de première action permet de regrouper les utilisateurs en cohortes selon le moment où ils ont commencé à interagir avec le produit. Cette segmentation temporelle est essentielle pour comparer le comportement de groupes d'utilisateurs acquis à différentes périodes et identifier des tendances ou des changements de performance au fil du temps.
2Quelle fonction de fenêtrage utiliser pour calculer le nombre de jours entre la première et la dernière activité d'un utilisateur ?
Quelle fonction de fenêtrage utiliser pour calculer le nombre de jours entre la première et la dernière activité d'un utilisateur ?
Réponse
Les fonctions FIRST_VALUE et LAST_VALUE avec une clause OVER permettent d'obtenir respectivement la première et la dernière valeur d'une colonne dans une fenêtre définie. Combinées avec DATEDIFF ou une soustraction de dates, elles permettent de calculer la durée de vie active d'un utilisateur sans avoir besoin de sous-requêtes multiples.
3Comment construire un tableau de rétention mensuelle avec SQL en utilisant des cohortes basées sur le mois d'inscription ?
Comment construire un tableau de rétention mensuelle avec SQL en utilisant des cohortes basées sur le mois d'inscription ?
Réponse
La construction d'un tableau de rétention nécessite d'abord d'identifier la cohorte de chaque utilisateur via DATE_TRUNC sur la date d'inscription, puis de calculer le nombre de mois écoulés entre la cohorte et chaque activité. Le GROUP BY sur ces deux dimensions et un COUNT DISTINCT des utilisateurs actifs permettent d'obtenir le tableau complet.
Pour analyser un funnel de conversion à 4 étapes (visite → inscription → activation → achat), quelle approche SQL est la plus robuste ?
Comment calculer le taux de churn mensuel en SQL pour une base d'abonnés ?
+17 questions d'entretien
Autres sujets d'entretien Data Analytics
Google Sheets - Les fondamentaux
Google Sheets - Formules avancées
SQL - Les fondamentaux
SQL - Agrégations et groupements
SQL - Jointures
BigQuery - Fondamentaux
Data Cleaning - Nettoyage des données
KPIs et métriques business
Statistiques descriptives
Zapier et automatisation No-Code
Principes de data visualisation
Python & Pandas - Fondamentaux
Google Sheets - Dashboards automatisés
SQL - Sous-requêtes et CTEs
SQL - Window Functions
BigQuery - Fonctionnalités avancées
Data Modeling
Analyse de funnels et conversion
Analyse de cohortes et rétention
Google Tag Manager et tracking
APIs et webhooks
dbt - Fondamentaux
AB Testing et statistiques appliquées
Looker Studio (Google Data Studio)
Power BI - Fondamentaux
dbt - Fonctionnalités avancées
Power BI - DAX et dashboards avancés
Python Analytics - Analyse avancée et ML
Maîtrise Data Analytics pour ton prochain entretien
Accède à toutes les questions, flashcards, tests techniques, exercices de code review et simulateurs d'entretien.
Commencer gratuitement