it-praxisportal/courses/sql/12_window_functions_over_partition

SQL 12: Window Functions (ROW_NUMBER, OVER, PARTITION BY, LAG) 🪟📊

Willkommen zu Modul 12 (Lehrpfad 3: Aggregationen, CTEs & Window Functions)! Window Functions sind der Goldstandard moderner SQL-Analytik in BigQuery, Snowflake, PostgreSQL und SQLite. Sie erlauben tiefgehende Berechnungen über benachbarte Zeilen, ohne den Detailgrad der Datensätze zu vernichten.

---

🎯 Lernziele

1. Die OVER()-Klausel: Definieren von Analyse-Fenstern mit PARTITION BY und ORDER BY.
2. Ranking-Funktionen: Verstehen der Unterschiede zwischen ROW_NUMBER(), RANK() und DENSE_RANK().
3. Offset-Navigation (LAG & LEAD): Berechnen von Periodenvergleichen, Wachstumsraten und Deltas ohne Self-Joins.
4. Kumulierte Summen (Running Totals): Fortlaufende Kontostände und Allzeit-Umsätze berechnen.
5. Gleitende Durchschnitte (Moving Averages): Glätten von Zeitreihen über ROWS BETWEEN n PRECEDING AND CURRENT ROW.

---

💡 Syntax im Detail

-- Fortlaufende Summe je Kunde
SELECT 
    kunde_id,
    bestell_datum,
    betrag,
    SUM(betrag) OVER (
        PARTITION BY kunde_id
        ORDER BY bestell_datum
        ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
    ) AS kumulierter_umsatz
FROM bestellungen;

---

🚀 Aufgabenstellung (aufgabe.sql)

1. TODO 1: Ranking-Vergleich – Berechne für Produkte innerhalb jeder Kategorie ROW_NUMBER(), RANK() und DENSE_RANK().
2. TODO 2: Time-Series Analyse mit LAG – Berechne Vortagesumsatz, absolutes Delta und prozentuales Wachstum.
3. TODO 3: Running Total – Ermittle den kumulierten Allzeitumsatz je Kunde.
4. TODO 4: Moving Average – Berechne den 3-Tage gleitenden Durchschnitt über die täglichen Gesamtumsätze.

---

🧪 Tests ausführen

Validierung erfolgt über test_aufgabe.sql.