Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
frank-andrade.medium.com29. September 2022 · Q010209

9 SQL Core Concepts That Helped Me Get My First Data Analyst Job

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag führt anhand einer Tabelle mit Fußballspielern neun SQL-Grundlagen vor: Spalten auswählen, eindeutige Werte abrufen, filtern, aggregieren, sortieren und Bedingungen oder Textmuster verwenden. Der Autor sagt, diese Konzepte hätten ihm bei seinem ersten Bewerbungsgespräch als Datenanalyst geholfen; die Beispiele illustrieren Grundlagen, belegen aber keine allgemeingültige Wirkung.

Mittel

Frank Andrade stellt neun SQL-Grundlagen vor, die ihm nach eigener Aussage beim Bestehen seines ersten Bewerbungsgesprächs als Datenanalyst halfen. Er empfiehlt SQL als frühen Lernschritt, weil es seiner Einschätzung nach in entsprechenden Vorstellungsgesprächen und bei der Arbeit mit Unternehmensdaten häufig gebraucht wird.

Die Beispiele verwenden eine Tabelle mit mehr als hundert Fußballspielern. SELECT wählt Spalten aus, DISTINCT zeigt eindeutige Werte, und WHERE filtert Datensätze nach Bedingungen. COUNT(), AVG() und SUM() zählen Einträge und berechnen Mittelwerte oder Summen. ORDER BY sortiert Ergebnisse. AND und OR verknüpfen Filterbedingungen; BETWEEN erfasst einen Wertebereich einschließlich seiner Grenzen. IN beziehungsweise NOT IN prüfen mehrere mögliche Werte, während LIKE und NOT LIKE Textmuster suchen. Für LIKE erläutert der Beitrag `%` als Platzhalter für beliebig viele und `_` für genau ein Zeichen.

Die Abfragen veranschaulichen unter anderem Filter nach Größe, Alter, Nationalität und Verein sowie Berechnungen für den FC Barcelona. Die Resultate sind Beispiele aus der verwendeten Tabelle. Der Beitrag behandelt Grundlagen, keine umfassende SQL-Ausbildung; den Nutzen im Bewerbungsgespräch belegt der Autor allein mit seiner eigenen Erfahrung.

Ausführlich lesen

Der Bericht ist ein einführender SQL-Leitfaden von Frank Andrade. Der Autor behauptet, SQL zuerst lernen zu wollen, wenn er seine Laufbahn in der Datenwissenschaft neu beginnen würde. Obwohl SQL nicht zu seinen Lieblingswerkzeugen zähle, sei es für Bewerbungsgespräche im Datenanalyse- und Datenwissenschaftsbereich häufig nötig und werde im Berufsalltag oft zum Abfragen von Unternehmensdaten gebraucht. Die neun vorgestellten Konzepte hätten ihm nach eigener Aussage beim Bestehen seines ersten Bewerbungsgesprächs als Datenanalyst geholfen.

Als Anschauungsmaterial dient eine Tabelle mit Informationen zu mehr als hundert bekannten Fußballspielern. Die Beispiele zeigen, wie sich die Befehle auf diese Tabelle anwenden lassen:

1. **SELECT** wählt bestimmte Spalten aus, etwa Vor- und Nachname sowie Körpergröße. 2. **SELECT DISTINCT** gibt unterschiedliche Werte einer Spalte aus, im Beispiel die verschiedenen Positionen der Spieler. 3. **WHERE** schränkt die Ergebnisse anhand einer Bedingung ein, etwa auf Spieler über 180 Zentimeter. 4. **COUNT(), AVG() und SUM()** zählen Zeilen oder berechnen Mittelwert und Summe. Für den FC Barcelona nennt der Bericht beispielhaft 15 Spieler, eine durchschnittliche Größe von rund 181,27 Zentimetern und eine Lohnsumme von 3.945 in der verwendeten Tabelleneinheit. 5. **ORDER BY** sortiert Ergebnisse auf- oder absteigend; die Beispielabfrage ordnet Spieler nach Größe und zeigt die größten zuerst. 6. **AND und OR** verbinden Bedingungen: AND verlangt, dass alle Bedingungen zutreffen; OR lässt eine der Bedingungen genügen. Die Beispiele kombinieren Nationalität und Körpergröße. 7. **BETWEEN** filtert Werte innerhalb eines Bereichs und schließt laut Bericht beide Grenzen ein. Veranschaulicht wird das mit Spielern im Alter von 20 bis 30 Jahren. 8. **IN und NOT IN** dienen dazu, mehrere mögliche Werte in einer Bedingung anzugeben. Eine Abfrage listet Spieler von FC Barcelona oder Real Madrid auf. 9. **LIKE und NOT LIKE** suchen nach Textmustern. Der Bericht erklärt die Platzhalter `%` für beliebig viele Zeichen und `_` für genau ein Zeichen; ein Beispiel findet Vornamen, die mit „s“ beginnen.

Der Beitrag vermittelt die Konzepte anhand kurzer SQL-Abfragen und dazugehöriger Ergebnistabellen. Sein Schwerpunkt liegt damit auf grundlegender Syntax und einfachen Filtern, Sortierungen und Aggregationen. Als Grundlage nennt er eine Spielertabelle, die Leser herunterladen und in eine Datenbank importieren können.

Die dargestellten Resultate sind Beispiele aus dieser Tabelle und keine allgemeingültigen Aussagen über Fußballspieler oder SQL-Abfragen. Der Text beschreibt neun Grundlagen, aber keine umfassendere SQL-Ausbildung: Weitere Muster für LIKE werden lediglich über einen externen Verweis angekündigt. Eine Bewertung verschiedener Datenbanksysteme, ihrer möglichen Syntaxunterschiede oder der Datenqualität der Spielertabelle enthält der Bericht nicht. Der behauptete Nutzen für das Bewerbungsgespräch ist die persönliche Erfahrung des Autors und wird nicht durch weitere Fälle belegt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: ok

Beide Zusammenfassungen (kurz und mittel) wurden gemeinsam geprüft. Sie geben den Beitrag treu wieder und halten fest, dass der Nutzen im Bewerbungsgespräch nur auf der Erfahrung des Autors beruht. Es lagen keine Fragen zur Einordnung vor, daher ist die Liste leer.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle

Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →