Retour
Module 1 : PostgreSQL comme outil analytique
1.1 — Pourquoi PostgreSQL pour l'analyse ? Aperçu
1.2 — L'environnement de l'analyste
1.3 — La boîte à outils de l'analyste
🛠️ Projet 1 — Mise en place
Module 2 : Fondamentaux SQL pour l'analyse
2.1 — SELECT et filtrage Aperçu
2.2 — Trier et limiter
2.3 — DISTINCT et exploration
🛠️ Projet 2 — Explorer une base
Module 3 : Transformation des données
3.1 — Nettoyage : UPPER, LOWER, TRIM, REPLACE Aperçu
3.2 — Dates : EXTRACT, DATE_TRUNC, INTERVAL
3.3 — Gérer les NULL : COALESCE, NULLIF
🛠️ Projet 3 — Préparation des données
Module 4 : Agrégation et statistiques
4.1 — Les 5 fonctions d'agrégation Aperçu
4.2 — GROUP BY : la clé des rapports
4.3 — HAVING : filtrer les groupes
4.4 — FILTER : agrégations conditionnelles
🛠️ Projet 4 — Rapport de ventes
Module 5 : Requêtes avancées pour reporting
5.1 — CASE WHEN : la logique dans vos rapports Aperçu
5.2 — Colonnes calculées
5.3 — Sous-requêtes dans le reporting
5.4 — Rapports par période
🛠️ Projet 5 — Rapport de gestion
Module 6 : Fonctions de fenêtrage pour l'analyse
6.1 — Classements : ROW_NUMBER, RANK, DENSE_RANK Aperçu
6.2 — PARTITION BY : classements par groupe
6.3 — Cumuls et comparaisons : SUM OVER, LAG, LEAD
🛠️ Projet 6 — Analyses de classement
Module 7 : Vues SQL pour les rapports
7.1 — CREATE VIEW : un rapport sauvegardé Aperçu
7.2 — Vues pour la DG
7.3 — Vues pour les finances, le stock, les livraisons
🛠️ Projet 7 — Bibliothèque de vues
Module 8 : Analyses temporelles
8.1 — Tendances et évolutions Aperçu
8.2 — Comparaisons N vs N-1
8.3 — Moyennes mobiles
🛠️ Projet 8 — Analyse temporelle
Module 9 : Segmentation et analyse de cohortes
9.1 — Analyse RFM (Récence, Fréquence, Montant) Aperçu
9.2 — Analyse de cohortes
9.3 — Segmentation avec CASE WHEN
🛠️ Projet 9 — Segmentation clients
Module 10 : KPIs et tableaux de bord
10.1 — Qu'est-ce qu'un bon KPI ? Aperçu
10.2 — Calculer les KPIs avec SQL
10.3 — Vue matérialisée pour le dashboard
🛠️ Projet 10 — Dashboard exécutif
Module 11 : Export et visualisation
11.1 — Exporter en CSV Aperçu
11.2 — Exporter en JSON
11.3 — Connecter des outils BI
🛠️ Projet 11 — Export et connexion BI
Module 12 : Projet final — Analyse complète
12.1 — Le dataset Aperçu
12.2 — Nettoyage et exploration
12.3 — Analyses
🛠️ Livraison finale

Le reste de la formation est réservé aux inscrits.

S'inscrire gratuitement
Module 1 : PostgreSQL comme outil analytique Aperçu gratuit

1.1 — Pourquoi PostgreSQL pour l'analyse ?

📋 Objectifs d'apprentissage

  • Identifier les forces de PostgreSQL pour l'analyse
  • Comparer PostgreSQL avec Excel, Python, outils BI

Les super-pouvoirs analytiques de PostgreSQL

  • Fonctions d'agrégation : COUNT, SUM, AVG, MIN, MAX, et bien plus
  • Fenêtrage (Window Functions) : cumuls, classements, comparaisons sans réduire les lignes
  • FILTER : agrégations conditionnelles en une seule passe
  • ROLLUP, CUBE, GROUPING SETS : sous-totaux et tableaux croisés natifs
  • JSON/JSONB : analyse de données semi-structurées
  • Extensions : TimescaleDB (time series), PostGIS (géospatial)

🔑 À retenir

Avant d'exporter vers Excel ou Python, demandez-vous : PostgreSQL ne peut-il pas faire l'analyse directement ? Souvent, la réponse est oui — et c'est plus rapide.

Ceci est un aperçu gratuit.
Voir la formation complète