Introduction aux fonctions analytiques

On va commencer avec un exemple simple de la vie de tous les jours. Imagine que tu es le proprio d’un coffee shop. Chaque jour, des clients débarquent, passent des commandes, et tu notes tout ça. Au bout d’un moment, tu veux savoir : quelles boissons sont les plus populaires ? Quel était le ticket moyen sur les trois derniers mois ? Quels jours de la semaine rapportent le plus ?

Ces questions, c’est typiquement des trucs d’analytics. L’analytics, ici, ça sert à transformer une “masse de données” en infos utiles. Et bosser l’analytics direct dans la base de données, c’est pas de la magie, c’est juste une boîte à outils qui te permet de répondre à ce genre de questions.

L’analytics, souvent, ça sert à :

• Analyser les métriques clés (genre chiffre d’affaires, ticket moyen, nombre de commandes).
• Construire des rapports : tableaux, graphiques, diagrammes.
• Suivre les tendances : comment les indicateurs évoluent dans le temps.
• Comparer des données (par exemple, d’une région à une autre).

C’est super important pour prendre des décisions business éclairées, optimiser les process ou même prévoir les résultats à venir.

Le rôle de PL/pgSQL dans l’analytics

Maintenant qu’on pige pourquoi l’analytics est utile, la question c’est : pourquoi utiliser PL/pgSQL pour ça ? Après tout, on pourrait juste exporter les données dans Excel et faire les calculs là-bas, non ?

PL/pgSQL te permet de :

• Automatiser les calculs. Pourquoi refaire les mêmes trucs à la main si tu peux automatiser ?
• Traiter de gros volumes de données côté serveur. Générer des rapports sur le serveur évite de devoir transférer plein de données vers les applis clientes.
• Créer des requêtes puissantes avec une charge minimale. Travailler vite et bien avec de grosses tables.

Exemple : tu peux générer automatiquement chaque jour un rapport de ventes et le stocker dans une table, au lieu de le faire à la main.

Les avantages d’utiliser des procédures pour automatiser l’analytics

Le process d’analyse à la main :

1. Prendre les données depuis la base.
2. Les traiter dans un tableur.
3. Sauver les résultats. Automatisation via PL/pgSQL :
4. Écrire la procédure une fois.
5. La lancer selon un planning.
6. Profiter des résultats.

C’est carrément un autre niveau de praticité, non ? :)

Exemples de problèmes résolus par les fonctions analytiques

Voilà quelques exemples de trucs que tu peux gérer avec les fonctions analytiques. Ces exemples vont t’aider à piger que les fonctions analytiques, c’est pas juste un concept abstrait, mais un outil super utile.

Calcul des métriques clés

Les métriques clés, c’est les indicateurs business qui t’aident à voir où t’en es. Par exemple :

• Ticket moyen : combien un client dépense en moyenne.
• Nombre total de commandes sur une période donnée.
• Revenus des ventes par catégorie de produits.

Exemple de requête SQL pour le ticket moyen :

SELECT 
    SUM(order_amount) / COUNT(*) AS average_order
FROM 
    orders
WHERE 
    order_date > CURRENT_DATE - INTERVAL '3 months';

Construction de séries temporelles et de tendances

Imaginons que tu veux voir comment les ventes évoluent jour après jour. Pour ça, tu peux agréger les données par date et construire des séries temporelles.

SELECT
    order_date, 
    SUM(order_amount) AS daily_sales
FROM 
    orders
GROUP BY 
    order_date
ORDER BY 
    order_date;

Comparer les données entre différentes périodes

Et maintenant, imagine que tu veux comparer le chiffre d’affaires d’octobre et de septembre :

SELECT 
    EXTRACT(MONTH FROM order_date) AS month, 
    SUM(order_amount) AS total_sales
FROM 
    orders
WHERE 
    order_date BETWEEN '2023-09-01' AND '2023-10-31'
GROUP BY 
    EXTRACT(MONTH FROM order_date);

Cette approche te permet de tirer des conclusions : qu’est-ce qui a changé entre les mois ? Pourquoi septembre a été plus rentable ? Ou alors, c’est peut-être l’inverse ?

Comment ça marche dans la vraie vie ?

Dans la pratique, l’analytics s’utilise dans ces scénarios :

1. En marketing : pour comprendre quels canaux ramènent le plus de clients.
2. En finance : pour calculer les revenus, les pertes et faire des prévisions.
3. En dev logiciel : pour analyser la perf des applis.
4. Dans le jeu vidéo : pour analyser le comportement des users et faire des offres personnalisées.

Maintenant que tu sais à quoi servent les fonctions analytiques, dans les prochaines leçons on va plonger dans les aspects techniques, comme l’utilisation des window functions et des agrégats pour faire des rapports. Mais pour l’instant — essaie d’imaginer quelles métriques tu voudrais analyser, et comment ça pourrait aider ton projet !