Obtenir un certificat — 15 $5 $
SQL pour l’analyse de données : de la première requête aux fonctions de fenêtrage
Écrire des requêtes SQL qui filtrent, regroupent, joignent et classent les données, éviter les pièges classiques (NULL, jointures qui dupliquent, totaux faux) et vérifier vos chiffres avant de les diffuser.
Ce que vous allez apprendre
- Décrire tables, lignes, colonnes et clés, et écrire un SELECT simple qui renvoie les colonnes utiles.
- Filtrer et trier correctement les lignes avec WHERE, IN, BETWEEN, LIKE, IS NULL et ORDER BY.
- Synthétiser les données avec les fonctions d’agrégation, GROUP BY et HAVING, et gérer les NULL dans les totaux.
- Combiner des tables avec des jointures INNER et LEFT et repérer les jointures qui perdent ou dupliquent des lignes.
- Structurer une logique en plusieurs étapes avec sous-requêtes, CTE, expressions CASE et opérateurs ensemblistes.
- Classer, comparer et cumuler des valeurs avec les fonctions de fenêtrage comme ROW_NUMBER, RANK, LAG et SUM cumulé.
- Contrôler la qualité des données, les dates et les résultats avant diffusion, et interroger les bases de façon sûre et responsable.
Modules
- Tables, clés et premier SELECT
- Filtrer et trier les lignes
- Agréger : COUNT, SUM, AVG, GROUP BY et HAVING
- Joindre des tables sans perdre ni doubler de lignes
- Sous-requêtes, CTE, CASE et opérateurs ensemblistes
- Fonctions de fenêtrage : classements, cumuls et comparaisons
- Qualité des données, contrôles et requêtes sûres
Fiche de la formation
- Niveau
- Sensibilisation
- Durée d’étude estimée
- environ 45 minutes
- Évaluation finale
- 25 questions · Seuil de réussite 80%
- Disponible en
- English, Français, العربية
- Prix
- Gratuit. Certificat vérifiable en option : 5 $
- Dernière mise à jour
- Publié par
- AMAADOR ACADEMY
À qui s’adresse cette formation
Analystes, contrôleurs de gestion, équipes reporting et marketing, ingénieurs et étudiants qui travaillent sur Excel et veulent interroger directement les bases de données, ainsi que toute personne qui prépare une certification data supposant la maîtrise de SQL.
Prérequis
Aucun. Être à l’aise avec un tableur (lignes, colonnes, filtres) aide. Un accès à un outil SQL (PostgreSQL, SQLite, MySQL, SQL Server) est utile pour s’entraîner, sans être obligatoire.
Contenu de la formation
1. Tables, clés et premier SELECT
SQL (Structured Query Language) est le langage qui sert à interroger les bases de données relationnelles. Il est défini par la norme internationale ISO/IEC 9075, et tous les grands produits (PostgreSQL, SQL Server, MySQL, Oracle, SQLite, BigQuery, Snowflake) en implémentent l’essentiel, avec leurs propres ajouts. Ce que vous apprenez ici fonctionne presque partout ; les petites différences sont signalées.
Une base stocke les données dans des tables. Chaque table décrit un type d’objet : clients, commandes, produits. Une ligne est une occurrence (une commande). Une colonne est un attribut avec un seul type de données (date de commande, montant). Contrairement à un tableur, une colonne ne mélange pas texte et nombres, et il n’y a ni cellules fusionnées ni codes couleur : la structure est stricte, et c’est ce qui rend l’analyse fiable.
Les quatre briques présentes dans chaque requête.
Une clé primaire est une colonne (ou un ensemble de colonnes) dont la valeur est unique et jamais vide pour chaque ligne, par exemple order_id. Une clé étrangère est une colonne qui pointe vers la clé primaire d’une autre table, par exemple orders.customer_id vers customers.customer_id. Les clés relient les tables et indiquent la granularité d’une table : ce que représente une ligne.
2. Filtrer et trier les lignes
WHERE ne garde que les lignes pour lesquelles une condition est vraie. Il s’exécute avant le regroupement : il décide quelles lignes brutes entrent dans l’analyse.
| Opérateur | Exemple | Attention |
|---|---|---|
| = <> < > <= >= | amount >= 500 | Le texte se met entre apostrophes : country = 'MA' |
| IN | country IN ('MA','FR','AE') | Plus court et plus sûr qu’une suite de OR |
| BETWEEN | amount BETWEEN 100 AND 200 | Les deux bornes sont incluses |
| LIKE | email LIKE '%@gmail.com' | % = n’importe quels caractères, _ = un seul |
| IS NULL | phone IS NULL | Jamais = NULL |
AND est évalué avant OR. Le filtre WHERE country = 'MA' OR country = 'FR' AND amount > 1000 signifie « toutes les commandes marocaines, plus les commandes françaises au-dessus de 1 000 », ce qui est rarement l’intention. Ajoutez des parenthèses : WHERE (country = 'MA' OR country = 'FR') AND amount > 1000, ou mieux, utilisez IN.
La casse dépend du produit. Sous PostgreSQL, LIKE distingue majuscules et minuscules (ILIKE les ignore). Sous SQL Server et MySQL, cela dépend en général du classement (collation) de la colonne, souvent insensible à la casse. En cas de doute, comparez LOWER(email) à un motif en minuscules.
3. Agréger : COUNT, SUM, AVG, GROUP BY et HAVING
Les fonctions d’agrégation transforment de nombreuses lignes en un seul nombre. Les cinq du quotidien sont COUNT, SUM, AVG, MIN et MAX. Leur comportement face aux NULL est l’endroit où se cachent la plupart des erreurs de reporting.
| Fonction | Ce qu’elle renvoie | Avec des NULL |
|---|---|---|
| COUNT(*) | nombre de lignes | compte toutes les lignes |
| COUNT(col) | nombre de lignes où col n’est pas NULL | ignore les NULL |
| COUNT(DISTINCT col) | nombre de valeurs différentes non NULL | ignore les NULL |
| SUM(col) | total | ignore les NULL ; NULL si aucune ligne |
| AVG(col) | moyenne des valeurs non NULL | les NULL ne comptent pas comme 0 |
| MIN / MAX | plus petite / plus grande | ignorent les NULL |
La documentation PostgreSQL est claire : count(*) calcule le nombre de lignes, tandis que count(expression) ne compte que les lignes où la valeur n’est pas nulle. Elle précise aussi que, sauf count, ces fonctions renvoient NULL quand aucune ligne n’est sélectionnée : la SUM de zéro ligne vaut NULL, pas zéro. Utilisez COALESCE(SUM(amount), 0) si le rapport doit afficher 0.
4. Joindre des tables sans perdre ni doubler de lignes
Une jointure combine les lignes de deux tables qui correspondent selon une condition, en général une clé étrangère égale à une clé primaire : FROM orders AS o JOIN customers AS c ON o.customer_id = c.customer_id.
| Jointure | Conserve | Usage type |
|---|---|---|
| INNER JOIN (ou JOIN) | seulement les lignes qui correspondent des deux côtés | commandes avec les infos client |
| LEFT JOIN | toutes les lignes de la table de gauche ; NULL à droite sans correspondance | tous les clients, avec ou sans commandes |
| RIGHT JOIN | l’inverse du LEFT | rarement utile ; inversez les tables et utilisez LEFT |
| FULL OUTER JOIN | toutes les lignes des deux tables | rapprocher deux listes |
| CROSS JOIN | toutes les combinaisons | calendriers, grilles de scénarios ; dangereux par accident |
Choisir INNER ou LEFT est une décision métier. Un « CA par segment client » avec INNER JOIN écarte les commandes dont le customer_id est absent de la table clients, et le total baisse sans alerte. Un LEFT JOIN depuis orders les garde, avec un segment NULL que vous pouvez libeller « inconnu ».
5. Sous-requêtes, CTE, CASE et opérateurs ensemblistes
Les vraies questions demandent plusieurs étapes : « les clients dont la première commande date de 2026 et qui ont recommandé dans les 30 jours ». SQL permet de construire la réponse étape par étape.
Une sous-requête est une requête placée dans une autre. Elle peut renvoyer une valeur (WHERE amount > (SELECT AVG(amount) FROM orders)), une liste (WHERE customer_id IN (SELECT customer_id FROM complaints)) ou une table entière utilisée dans le FROM.
Une expression de table commune (CTE) nomme chaque étape avec WITH, et la requête se lit de haut en bas :
- WITH first_orders AS (…) — une ligne par client avec MIN(order_date) AS first_date
- , repeat AS (…) — joindre orders à first_orders et garder les commandes passées après first_date, dans les 30 jours
- SELECT … — compter les clients de repeat et diviser par ceux de first_orders
Une CTE ne rend pas la requête plus rapide en soi ; elle la rend lisible et vérifiable. Vous pouvez exécuter chaque étape seule, regarder le nombre de lignes et repérer une erreur tôt. La plupart des bases récentes acceptent WITH (PostgreSQL, SQL Server, MySQL 8 et suivants, SQLite, BigQuery, Snowflake).
6. Fonctions de fenêtrage : classements, cumuls et comparaisons
Une fonction de fenêtrage calcule une valeur sur un ensemble de lignes liées à la ligne courante, sans les regrouper. Le tutoriel PostgreSQL le dit simplement : contrairement au GROUP BY, les lignes gardent leur identité propre. Vous obtenez le détail et la synthèse côte à côte.
SELECT order_id, country, amount, SUM(amount) OVER (PARTITION BY country) AS total_pays FROM orders; renvoie chaque commande avec le total de son pays à côté, ce qui fait de la « part du pays » une simple division.
- OVER ( ) transforme une fonction en fonction de fenêtrage. Des parenthèses vides désignent tout le résultat.
- PARTITION BY relance le calcul pour chaque groupe (comme GROUP BY, mais les lignes restent).
- ORDER BY dans le OVER fixe l’ordre utilisé pour les classements et les calculs cumulés.
| Montants | ROW_NUMBER | RANK | DENSE_RANK |
|---|---|---|---|
| 900 | 1 | 1 | 1 |
| 700 | 2 | 2 | 2 |
| 700 | 3 | 2 | 2 |
| 500 | 4 | 4 | 3 |
ROW_NUMBER donne toujours des numéros distincts (les ex aequo sont départagés arbitrairement sans critère supplémentaire). RANK donne le même rang aux ex aequo et laisse un trou. DENSE_RANK donne le même rang sans trou.
7. Qualité des données, contrôles et requêtes sûres
La plupart des chiffres faux viennent des données, pas de la syntaxe. Avant d’analyser une colonne, profilez-la : nombre de lignes, nombre de NULL, valeurs distinctes, minimum et maximum.
| Problème | Symptôme | Correction |
|---|---|---|
| Division entière | Sous PostgreSQL et SQL Server, 7 / 2 renvoie 3 et un taux de conversion affiche 0 | Rendre un côté décimal : 7 * 1.0 / 2, ou CAST(x AS NUMERIC) |
| Division par zéro | La requête échoue quand un groupe n’a aucune visite | x / NULLIF(visits, 0) renvoie NULL au lieu d’échouer |
| Nombres stockés en texte | '100' se trie avant '9' ; SUM refuse ou convertit bizarrement | CAST vers un type numérique une fois, dans une CTE |
| Dates stockées en texte | '03/04/2026' : 4 mars ou 3 avril ? | Convertir avec un format explicite ; stocker en ISO (AAAA-MM-JJ) |
| Fuseaux horaires | Les commandes proches de minuit tombent le mauvais jour | Savoir si les horodatages sont en UTC ; convertir avant de regrouper par jour |
| Texte sale | 'Casablanca', 'casablanca ', 'CASABLANCA' font trois villes | TRIM et LOWER (ou UPPER) avant de regrouper ; corriger à la source |
La leçon complète se poursuit dans la formation interactive de cette page.
Sources et références
- PostgreSQL documentation: Sorting rows (ORDER BY)
- PostgreSQL documentation: Aggregate functions
- PostgreSQL tutorial: Window functions
- SELECT (Transact-SQL): logical processing order
- PostgreSQL tutorial: Joins between tables
- PHE statement on delayed reporting of COVID-19 cases (October 2020)
- Herndon, Ash and Pollin (2013): Does high public debt consistently stifle economic growth?
Formation pédagogique. Les exemples suivent le SQL standard et le comportement de PostgreSQL ; les autres bases (SQL Server, MySQL, Oracle, BigQuery, Snowflake) diffèrent sur certaines syntaxes et valeurs par défaut : vérifiez la documentation de votre produit. Sans lien avec un éditeur de bases de données. Entraînez-vous sur des copies ou avec un compte en lecture seule, jamais sur des données de production que vous n’êtes pas autorisé à modifier.
Toutes les formations · Ingénierie & analyse de données — Formations gratuites, certificat à 5 $ | AMAADOR ACADEMY