Анализ данных с помощью SQL

Бакалавриат 2026/2027

ID 1268713

Статус: Курс обязательный (Маркетинг и рыночная аналитика)

Кто читает: Департамент маркетинга

Где читается: Высшая школа бизнеса

Когда читается: 4-й курс, 3 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Язык: русский

Кредиты: 3

Контактные часы: 30

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина способствует освоению навыков работы с большими массивами маркетинговых данных, используя язык программирования SQL. Студенты обучатся созданию запросов, таблиц, баз данных в SQL, а также делать обоснованные выводы с помощью данных и их визуализировать.

Цель освоения дисциплины

Возможности проектирования реляционных баз данных для хранения и анализа социологических и рыночных данных, применив принципы концептуального моделирования (ER-диаграммы) и нормализации (до 3НФ).
Приобрести навыки настройки и управления реляционной СУБД (PostgreSQL) в локальной или облачной среде, включая создание, модификацию и проверку целостности структуры базы данных.
Формулировать и выполнять эффективные SQL-запросы любой сложности — от базовых выборок до аналитических операций с использованием оконных функций, CTE и сложных JOIN’ов.
Модифицировать данные в базе с использованием операций INSERT, UPDATE, DELETE, включая фильтрацию, транзакции и работу с ограничениями целостности.
Интегрировать SQL с языками анализа данных (R или Python) для извлечения, обработки и визуализации результатов анализа.
Получить навыки подготовки и представления аналитического отчёта на основе данных из реляционной базы, используя современные инструменты документирования (RMarkdown, Jupyter Notebook, PDF).

Планируемые результаты обучения

Освоение основных компонент архитектуры СУБД. Понимание различных типов реляционных систем (на примере PostgreSQL и SQLite).
Выработка навыка установки и настройки среду для работы с обработкой цифровых данных, в том числе посредством SQL (DBeaver, PostgreSQL (доп.), SQLite, VSCode/VSCodium), а также сред программирования (Python или R).
Владение навыками подключения к базе данных и выполнения базовых команд SELECT.
Понимание основных понятий реляционной модели данных и их интерпретации в контексте социальных исследований.
Выработать практику построения ER-диаграммы с использованием нотаций Crow’s Foot или Chen на основе текстового описания предметной области.
Понимание принципов нормализации и целостности данных и способности применять их при анализе структуры таблиц.
Понимание основных концепций реляционной теории и принципов нормализации.
Умение выявлять аномалии в таблицах и приводить их к 3НФ (и далее).
Умение устанавливать связи между таблицами и обеспечивать целостность данных.
Выработка принципов модификации структуры базы данных в соответствии с изменениями в предметной области
Выполнение простых и сложных соединений таблиц (SELF JOIN, CROSS JOIN, множественные JOIN’ы) и коррелирующие подзапросы.
Выполнение полного спектра базовых запросов (SELECT, WHERE, FROM, LIKE, etc.) в различных конфигурациях.
Владение навыками модификации данных: вставка, обновление и удаление с использованием условий и соединений.
Понимание принципов безопасных изменений в базе данных с использованием транзакций.
Отработка технологии подключения R или Python к PostgreSQL и извлечения данных с помощью SQL-запросов.
Подготовка и визуализация результатов анализа с использованием современных инструментов (ggplot2, matplotlib/seaborn).

Содержание учебной дисциплины

Тема 01: Введение в СУБД: инструментальная среда, концептуальная схема курса
Тема 02: Логика построения баз данных. Роль ER-диаграмм как концептуальной схемы БД.
Тема 03: Нормализация данных. Реляционная теория и управление базой данных (DDL)
Тема 04. SQL-запросы: от базовых до аналитических (DML)
Тема 05: Построение аналитических пайплайнов: SQL + R/Python

Элементы контроля

Домашние задания (ДЗ1–ДЗ3)
Серия из трёх индивидуальных домашних заданий, направленных на поэтапное освоение навыков проектирования и реализации реляционной базы данных. Задания охватывают ключевые этапы: построение ER-диаграммы, нормализацию данных и создание таблиц с использованием SQL (DDL). Каждое задание строится на предыдущем, формируя у студента целостное понимание цикла проектирования БД.
Лабораторная работа
Индивидуальное задание, направленное на проверку навыков построения и оптимизации SQL-запросов любой сложности. Студент работает с реальной или смоделированной базой данных (например, панельные опросы, рыночные исследования) и выполняет серию запросов: от базовых выборок и фильтрации до сложных соединений, агрегации, подзапросов, CTE и оконных функций. Задание имитирует практические задачи аналитика: выявление динамики, сегментация, обработка аномалий, сравнение групп. Работа сдается в виде SQL-файла с пронумерованными запросами, комментариями и краткими пояснениями логики. В качестве более сложного задания предполагается совместное использование R/Python с SQL для построения аналитических пайплайнов.
Экзамен
Финальный проект представляет собой работу, в рамках которой студенты реализуют полный цикл работы с данными: от проектирования реляционной базы данных (ER-диаграмма, нормализация) и создания таблиц в SQL до выполнения аналитических запросов и интеграции с R или Python для визуализации и подготовки отчёта; проект имитирует реальные задачи анализа рыночных данных, демонстрирует освоение всех ключевых навыков курса и завершается защитой с презентацией результатов.
Посещаемость
Посещаемость оценивается исходя из доли посещенных студентом учебных занятий (лекций, семинаров и практических занятий) в соответствии со следующей шкалой: Доля посещенных занятий Балл не посещал занятия 70% и менее 0 1 71-73% 2 74-76% 3 77-80% 4 81-83% 5 84-86% 6 87-90% 7 91-93% 8 94-96% 9 97-100% 10 Посещением занятия считается участие в нем в соответствии с утвержденным расписанием от начала до конца.

Промежуточная аттестация

2026/2027 3rd module
0.25 * Лабораторная работа + 0.1 * Посещаемость + 0.15 * Домашние задания (ДЗ1–ДЗ3) + 0.5 * Экзамен

Список литературы

Авторы

Горчаков Климент Александрович

Программа дисциплины