50

상관서브쿼리각 행의 부서ID와 일치하는 MAX(salary)를 WHERE 조건에 넣는다.SELECT d.name AS Department, e.name AS Employee, e.salary AS SalaryFROM Employee eJOIN Department d ON e.departmentId = d.idWHERE e.salary = ( SELECT MAX(salary) FROM Employee WHERE departmentId = e.departmentId) window함수(RANK)부서별 rank를 구하고, rank가 1인 행을 가져온다.SELECT d.name AS Department, t.name AS Employee, salary AS Sa..

Day 1 / Day 7 / Day 30 재구매율WITH first_purchase AS( SELECT user_id, MIN(DATE(created_at)) AS first_date FROM `bigquery-public-data.thelook_ecommerce.events` WHERE event_type = 'purchase' GROUP BY user_id),second_purchase AS( SELECT e.user_id, MIN(DATE(e.created_at)) AS second_date FROM `bigquery-public-data.thelook_ecommerce.events` e LEFT JOIN first_purchase f ON e.user_id = f.user_id WH..

📍 변환`DATE_FORMAT(date, format)` : 날짜 → format에 맞춘 문자열SELECT DATE_FORMAT(date_col, '%Y-%m-%d') FROM table; -- YYYY-mm-ddSELECT DATE_FORMAT(date_col, '%Y-%m-01') FROM table; -- YYYY-mm-01SELECT DATE_FORMAT(date_col, '%Y-%m') FROM table; -- YYYY-mm코드 코드 %Y2025%y25%m01%c1%MJanuary%bJan%d05%e5%WSunday%aSun%T13:30:00%r01:30:00 PM%H13%l1 📍 연산`DATEDIFF(date1, date2)` : 날짜 차이 (date1 - date2..

Day 1 / Day 7 / Day 30 누적 리텐션WITH first_event AS( SELECT user_id, MIN(DATE(created_at)) AS first_date FROM `bigquery-public-data.thelook_ecommerce.events` WHERE event_type IN ('home', 'product', 'cart', 'purchase') AND user_id IS NOT NULL GROUP BY user_id), user_activity AS( SELECT e.user_id , DATE_DIFF(DATE(e.created_at), f.first_date, DAY) AS days FROM `bigquery-public-data.theloo..

가입주차(cohort_week)별로, 가입 이후 n주차(예: 1~8주) 동안 사이트에 다시 방문한 유저의 비율WITH users_cohort AS( SELECT id AS user_id, DATE_TRUNC(DATE(created_at),WEEK) AS cohort_week FROM `bigquery-public-data.thelook_ecommerce.users`),retention AS( SELECT c.cohort_week, e.user_id, DATE_DIFF(DATE_TRUNC(DATE(e.created_at),WEEK),cohort_week,WEEK) AS week_number FROM `bigquery-public-data.thelook_ecommerce.events..

📌 25년 6월 이후 코호트(가입주차)별 첫구매까지 걸린 평균 일수WITH users_cohort AS( SELECT id AS user_id, DATE(created_at) AS join_date, DATE_TRUNC(DATE(created_at),WEEK) AS cohort_week FROM `bigquery-public-data.thelook_ecommerce.users` WHERE DATE(created_at) >= '2025-06-01'),first_purchase AS( SELECT user_id, DATE(MIN(created_at)) AS first_purchase_date FROM `bigquery-public-data.thelook_ecommer..

특정 월(예: 2025-07)에 신규 유저(가입월=해당월) vs 기존 유저의 구매 금액 합계를 비교하라. users 테이블의 created_at이 가입일order_items 테이블의 created_at이 주문일WITH users_type AS( SELECT id AS user_id, DATE(created_at) AS join_date, CASE WHEN DATE_TRUNC(DATE(created_at),MONTH) = '2025-07-01' THEN 'new' WHEN DATE_TRUNC(DATE(created_at),MONTH)

📌 트래픽소스별 product → cart → purchase 단계별 유저 전환율을 계산하라. (순차퍼널)WITH user_first_event AS ( SELECT traffic_source, user_id, MIN(CASE WHEN event_type = 'product' THEN created_at END) AS first_product, MIN(CASE WHEN event_type = 'cart' THEN created_at END) AS first_cart, MIN(CASE WHEN event_type = 'purchase' THEN created_at END) AS first_purchase FROM `bigquery-public-data.thelook_eco..

📌 일자별로 일간·주간·월간 활성 유저 수를 구하라.WITH dau AS( SELECT DATE(created_at) AS date, COUNT(DISTINCT user_id) as dau FROM `bigquery-public-data.thelook_ecommerce.events` GROUP BY DATE(created_at)),wau AS( SELECT DATE_TRUNC(DATE(created_at),WEEK) AS week, COUNT(DISTINCT user_id) as wau FROM `bigquery-public-data.thelook_ecommerce.events` GROUP BY DATE_TRUNC(DATE(created_at),WEEK)),mau AS( SELECT DAT..

A/B Test 설계하기📍 실험기간샘플 크기를 고려했을 때 가설 검증을 위한 데이터를 수집하는데 필요한 기간을 정의.특별한 이유가 없다면 진행중인 실험을 임의로 중단하고 중간에 결론을 내려서는 안된다. 📍 샘플크기통계적 유의도를 확보하기 위한 샘플크기. 📍 통제변수실험 결과에 영향을 미칠 수 있기 때문에 실험집단, 통제집단 모두에서 동등한 조건을 가져야하는 변수.독립변수가 아니지만 종속변수에 영향을 미칠 수 있는 제3의 변수.A/B테스트의 성패는 통제변수를 얼마나 잘 관리하느냐에 달린 경우가 많다. 📍 종속변수측정가능해야하며 구체적으로 어떤 기준으로 측정할 것인지에 대한 조작적인 정의가 명확해야함.실험설계과정에서는 종속변수의 현재 수준을 측정하고 실험을 통해 어느정도의 변화를 기대하는지 정의하는 ..