<aside> 👉 개인 과제 안내

</aside>

• 제출 링크

  내일배움캠프

• 제출 마감: 2025. 5. 19. (월) 14:00 까지

• 과제 해설: 2025. 5. 19. (월) 14:00 ~ 15:00

<aside> 👉 과제 목표 및 진행 안내

</aside>

<aside> 📌 과제 목표

1. SQL에 익숙해지기
2. Query 작동 원리를 이해하기

</aside>

<aside> 📌 진행 안내

SQL(데이터 속 한 걸음)라이브세션을 학습하신 수강생들이 풀 수 있도록 만들었습니다.

• 문제들은 비전공자 기준 2시간 혹은 그 이상을 고민하도록 구성하였습니다.
  • 충분한 고민이 여러분의 실력 상승에 도움이 됩니다.
• 현업에서의 여러분 코딩 실력을 키우기 위해 ChatGPT 사용을 금지합니다.
  • 당장의 문제는 해결 할 수 있지만 실력 향상에는 독입니다.
  • 추가로 튜터님들에게 직접적으로 문제 해결을 바라는 질문도 지양해주세요.
• 과제 기간에 질문하는 방법
  1. 현재 풀고 있는 문제
  2. 전체 코드
  3. 에러 코드의 Detail (Ex Division by Zero)
  4. 에러 코드의 추가 설명
  5. 해결을 위해서 시도해본 것
     1. blog, Youtube 찾아본 경험
     2. 혹은 본인의 지식 or 강의 지식으로 생각하는 바

진행 방식

1. 과제 진행은 DBeaver 등등 본인이 편한 환경으로 설정하여 진행하세요.
2. 각 문제에 내용들을 확인하여 코드를 작성하여주세요.
3. 제출 링크에 각 문항에 맞게 코드를 제출해주세요.
4. 필수 문제 / 도전 문제
   1. 필수 : 1-3번 문제
   2. 도전 : 4-6번 문제

• 제출 쿼리는 실행 가능한 쿼리로 작성해주세요.
  • 실행 에러가 날 경우 0점 처리됩니다.
• 문제 4~6번은 난이도 상 도전 과제 입니다. 그래도.. 멋지게 도전해보세요! </aside>

<aside> ☑️

과제 목표 & 진행 방식

</aside>

<aside>

브라질의 대표적인 이커머스 플랫폼인 Olist의 주문 데이터를 기반으로 만든 실제 상업 데이터로, 캐글(Kaggle)에서 공개된 Brazilian E-Commerce Public Dataset by Olist에서 다운로드할 수 있습니다.

</aside>

Olist의 원본 데이터

💡 실습 데이터 다운로드 💡

<aside> 📖

과제

</aside>

<aside> 1️⃣

문제1. 배송 지연 고객 분석

배송 지연은 고객 만족도에 큰 영향을 미칠 수 있습니다. 특히, 여러 번 주문을 한 고객들이 예상 배송일보다 실제 배송이 늦어진 경우, 이들은 브랜드에 대한 충성도가 높을 수 있으므로 특별한 주의가 필요합니다.

이번 과제는 예상 배송일보다 실제 배송을 늦게 받은 고객들 중에서, 가장 많은 주문을 한 고객을 찾아내는 것입니다. 이 고객들은 배송 서비스 개선이나 VIP 혜택을 제공하기 위한 중요한 대상이 될 수 있습니다.

문제

예상 배송일보다 실제 배송을 늦게 받은 고객들 중에서, 가장 많은 주문을 한 고객의 ID와 총 주문 수를 조회하세요.

• 결과 컬럼: customer_id, total_orders

• 쿼리 예시 이미지 </aside>

<aside> 2️⃣

문제2. 결제 방식별 통계 분석

온라인 쇼핑몰이나 서비스 플랫폼에서 결제 방식은 고객의 구매 경험에 중요한 영향을 미칩니다. 다양한 결제 방식이 제공됨에 따라, 각 결제 방식별로 얼마나 많은 금액이 결제되었는지를 파악하는 것은 매우 중요합니다. 이를 통해 결제 방식의 선호도와 효율성을 분석할 수 있으며, 결제 수단에 따른 사용자 행동 분석을 통해 마케팅 전략을 조정하거나 시스템 최적화를 할 수 있습니다.

이번 과제는 payments 테이블에서 각 결제 방식(payment_type)별 결제 금액의 합계와 해당 결제 방식이 전체 결제 금액에서 차지하는 비율을 계산하는 것입니다. 이를 통해 각 결제 방식의 기여도를 분석하고, 플랫폼의 결제 방식에 대한 인사이트를 도출할 수 있습니다.

문제

marketer_payments 테이블에서 각 결제 방식(payment_type)별 결제 금액의 합계와 해당 결제 방식이 전체 결제 금액에서 차지하는 비율을 계산하세요.

• 결과 컬럼: payment_type, total_payment_value, payment_percentage

• 쿼리 예시 이미지 </aside>

<aside> 3️⃣

문제3. 유저별 결제 및 주문 분석

고객의 주문 및 결제 데이터를 분석하는 것은 비즈니스 전략에 중요한 인사이트를 제공합니다. 특히, 배송된 주문에 대한 분석을 통해 고객들의 구매 패턴을 파악하고, 이들을 대상으로 더 나은 서비스나 마케팅 전략을 수립할 수 있습니다. 이번 과제는 배송이 완료된 주문을 기준으로 고유 고객 수, 총 주문 수, 총 결제 금액, 그리고 고객 1명당 평균 결제액을 계산하는 것입니다.

이 분석을 통해, 배송이 완료된 고객들의 행동 패턴을 파악하고, 특정 고객군에 대한 맞춤형 마케팅을 고려할 수 있는 기초 데이터를 제공할 수 있습니다.

문제

배송된(delivered) 주문을 기준으로 고유 고객 수, 총 주문 수, 총 결제 금액, 그리고 고객 1명당 평균 결제액을 계산하세요.

• 결과 컬럼: cnt_users, cnt_orders, sum_payment, arppu

• 쿼리 예시 이미지 </aside>

<aside> 4️⃣

문제4. 고과금 결제 비율 분석

결제 수단별 분석은 고객이 어떤 결제 방식을 선호하는지, 그리고 그 결제 방식에서 발생하는 금액 분포를 파악하는 데 유용합니다. 특히, 결제 수단 내에서 고액 결제를 분석함으로써, 고액 결제 고객을 식별하고, 이를 통해 더 나은 마케팅 전략을 수립할 수 있습니다.

이번 과제는 동일한 결제수단(payment_type)에서 이루어진 다른 결제들의 평균 금액보다 높은 결제들 중, 해당 결제가 결제 수단의 총 결제 금액 대비 20% 이상을 차지하는 주문을 찾아내는 것입니다. 이를 통해 특정 결제 수단에서 큰 비중을 차지하는 고액 결제 고객을 식별할 수 있습니다. payment_ratio는 결제 금액이 해당 결제 수단의 총 결제 금액에서 차지하는 비율을 소수점 둘째 자리까지 계산합니다.

문제

동일한 결제수단(payment_type)에서 이루어진 다른 결제의 평균 금액보다 높은 결제들 중에서, 해당 결제가 해당 결제수단의 총 결제 금액 대비 20% 이상을 차지하는 주문을 조회하세요. payment_ratio는 결제 금액이 총 결제 금액에서 차지하는 비율을 소수점 둘째 자리까지 계산해주세요.

• 결과 컬럼: order_id, payment_type, payment_value, payment_ratio

• 쿼리 예시 이미지 </aside>