SQL для начинающих: основы, запросы и где практиковаться

Основы баз данных: реляционные БД, таблицы, строки, столбцы

База данных (БД) — это организованное хранилище информации, которое позволяет быстро находить, добавлять, изменять и удалять данные. Реляционные базы данных — самый распространённый тип БД, где информация структурирована в виде таблиц.

Таблица — это основная структура данных, похожая на электронную таблицу Excel. Каждая таблица имеет название и содержит данные об определённой сущности: клиенты, заказы, товары, транзакции.

Таблица состоит из:

• Столбцов (полей) — вертикальных элементов, которые определяют тип данных. Например, в таблице «Клиенты» могут быть столбцы: id, имя, email, дата_регистрации
• Строк (записей) — горизонтальных элементов, каждая строка представляет отдельный объект. Например, одна строка = один клиент

Рассмотрим пример таблицы Пользователи:

В реляционных БД таблицы связаны между собой через ключи:

• Первичный ключ (PRIMARY KEY) — уникальный идентификатор каждой строки, обычно это поле id
• Внешний ключ (FOREIGN KEY) — поле, которое ссылается на первичный ключ другой таблицы и создаёт связь между ними

Например, таблица «Заказы» может содержать поле user_id, которое ссылается на id в таблице «Пользователи». Это позволяет узнать, какой пользователь сделал конкретный заказ.

СУБД (Система Управления Базами Данных) — это программное обеспечение для работы с БД. Именно СУБД обрабатывает ваши SQL-запросы и выполняет операции с данными: PostgreSQL, MySQL, MS SQL Server, Oracle — всё это разные СУБД.

Принципы работы с реляционными БД:

• Данные не дублируются — каждая информация хранится в одном месте
• Связи между таблицами позволяют объединять данные из разных источников
• Целостность данных обеспечивается через ограничения и ключи
• SQL позволяет получать нужные данные одним запросом, даже если они распределены по нескольким таблицам

Выбор СУБД: PostgreSQL vs MySQL vs MS SQL vs Oracle

Выбор СУБД зависит от задач, размера проекта и инфраструктуры компании. В 2026 году наиболее популярны четыре системы, каждая со своими сильными сторонами.

PostgreSQL — объектно-реляционная СУБД с открытым исходным кодом. PostgreSQL ranked as the most widely used database among professional developers, overtaking MySQL for the first time, и 65% разработчиков указали предпочтение PostgreSQL для новых проектов.

Преимущества PostgreSQL:

• Полностью бесплатная, лицензия MIT/BSD без ограничений
• Мощная поддержка JSON, массивов, диапазонов типов
• Продвинутые функции: оконные функции, CTE, full-text search
• Расширяемость через плагины (PostGIS для геоданных, pgvector для AI)
• Отличная производительность на сложных запросах с JOIN и подзапросами
• Активное сообщество и прозрачное развитие

Используется: в продуктовой аналитике, стартапах, SaaS-платформах, научных проектах. Популярен у разработчиков Python, JavaScript, Ruby.

MySQL — самая распространённая открытая СУБД, принадлежащая Oracle. MySQL — это самая распространённая Relational Database Management System в мире, и в 2026 году она имеет вторую по величине популярность среди разработчиков.

Преимущества MySQL:

• Простота установки и настройки
• Высокая скорость на простых запросах и операциях чтения
• Встроена в популярный стек LAMP (Linux, Apache, MySQL, PHP)
• Отличная документация и большое сообщество
• Стабильность при регулярном обслуживании БД

Используется: в WordPress, e-commerce (Shopify), веб-приложениях на PHP, системах с высокой нагрузкой на запись.

MS SQL Server — коммерческая СУБД от Microsoft для корпоративного сегмента.

Преимущества MS SQL Server:

• Глубокая интеграция с экосистемой Microsoft (.NET, Azure, Power BI)
• Мощные инструменты администрирования и мониторинга
• Встроенные средства аналитики и отчётности
• Профессиональная техподдержка от Microsoft
• Высокий уровень безопасности и соответствия стандартам

Используется: в крупных корпорациях, банках, госучреждениях, ERP-системах (1C, SAP).

Oracle Database — флагманская коммерческая СУБД для энтерпрайз-сегмента.

Преимущества Oracle:

• Максимальная производительность на огромных объёмах данных
• Продвинутые функции партиционирования и кластеризации
• Высокая надёжность и отказоустойчивость
• Комплексная техподдержка уровня enterprise

Используется: в банковском секторе, телекоммуникациях, крупных производственных компаниях.

Инструменты для работы: DBeaver, PhpMyAdmin, облачные решения

Для написания SQL-запросов и работы с базами данных вам понадобится специальный инструмент — клиент СУБД или IDE (интегрированная среда разработки). В 2026 году есть как бесплатные универсальные решения, так и специализированные инструменты.

DBeaver — бесплатный кроссплатформенный инструмент для работы с любыми СУБД (PostgreSQL, MySQL, MS SQL, Oracle, SQLite и другие).

Преимущества DBeaver:

• Поддержка всех популярных баз данных в одном интерфейсе
• Визуальный редактор запросов с подсветкой синтаксиса
• Автодополнение названий таблиц и полей
• Просмотр структуры БД в виде дерева
• Экспорт результатов в CSV, Excel, JSON
• Бесплатная Community-версия для большинства задач

Идеально подходит для начинающих и аналитиков данных, которым нужно работать с несколькими типами баз одновременно.

PhpMyAdmin — веб-интерфейс для управления MySQL и MariaDB.

Преимущества PhpMyAdmin:

• Работает через браузер, не требует установки на компьютер
• Удобен для быстрых операций с БД на хостинге
• Визуальное создание и редактирование таблиц
• Интеграция с большинством веб-хостингов

Используется в основном веб-разработчиками для управления MySQL на серверах.

pgAdmin — официальный графический клиент для PostgreSQL.

Преимущества pgAdmin:

• Полная поддержка всех возможностей PostgreSQL
• Визуальный конструктор запросов
• Инструменты мониторинга производительности
• Управление пользователями и правами доступа

Облачные решения — платформы с готовыми базами данных и встроенными редакторами:

• Google BigQuery — аналитическая БД от Google для работы с большими данными, запросы пишутся на SQL-диалекте
• AWS RDS — управляемые базы данных PostgreSQL, MySQL, MS SQL в облаке Amazon
• Supabase — open-source платформа на базе PostgreSQL с веб-интерфейсом и API
• PlanetScale — serverless MySQL с Git-подобным управлением версиями

Metabase — open-source BI-инструмент с SQL-редактором и визуализацией данных.

Преимущества Metabase:

• Позволяет писать SQL-запросы и сразу строить графики
• Создание дашбордов без программирования
• Подключение к PostgreSQL, MySQL, BigQuery, ClickHouse
• Удобен для аналитиков, которым нужна визуализация

Для начинающих оптимальный выбор — DBeaver для локальной работы или встроенные редакторы на платформах для практики (Stepik, SQL Academy). Эти инструменты бесплатны и не требуют сложной настройки.

ТОП-10 SQL запросов для начинающих с примерами кода

Освоение SQL начинается с базовых конструкций, которые покрывают 80% повседневных задач аналитика. Ниже — десять ключевых типов запросов с практическими примерами на основе таблицы Заказы.

Структура таблицы для примеров:

1. SELECT — выборка всех данных

SELECT * FROM заказы;

Возвращает все строки и столбцы из таблицы.

2. SELECT с указанием столбцов

SELECT товар, цена, дата_заказа FROM заказы;

Выбирает только нужные поля, игнорируя остальные.

3. WHERE — фильтрация по условию

SELECT * FROM заказы WHERE цена > 5000;

Показывает только заказы дороже 5 000 рублей.

4. ORDER BY — сортировка результатов

SELECT * FROM заказы ORDER BY цена DESC;

Сортирует заказы по убыванию цены (самые дорогие сверху).

5. LIMIT — ограничение количества строк

SELECT * FROM заказы ORDER BY дата_заказа DESC LIMIT 5;

Возвращает пять последних заказов.

6. COUNT — подсчёт количества записей

SELECT COUNT(*) FROM заказы WHERE дата_заказа >= '2026-03-01';

Считает, сколько заказов было сделано с 1 марта.

7. SUM — суммирование значений

SELECT SUM(цена * количество) AS общая_выручка FROM заказы;

Рассчитывает общую выручку по всем заказам.

8. GROUP BY — группировка данных

SELECT user_id, COUNT(*) AS количество_заказов 
FROM заказы 
GROUP BY user_id;

Показывает, сколько заказов сделал каждый пользователь.

9. HAVING — фильтрация после группировки

SELECT user_id, SUM(цена * количество) AS сумма_покупок 
FROM заказы 
GROUP BY user_id 
HAVING сумма_покупок > 10000;

Находит пользователей, которые потратили более 10 000 рублей.

10. DISTINCT — уникальные значения

SELECT DISTINCT товар FROM заказы;

Возвращает список уникальных товаров без дубликатов.

Эти десять конструкций — фундамент SQL. Комбинируя их, вы сможете решать большинство аналитических задач: формировать отчёты, считать метрики, сегментировать пользователей, находить аномалии в данных.

SELECT: выборка данных из таблиц

SELECT — самая частая команда в SQL, с которой начинается любой запрос на извлечение данных. Синтаксис читается интуитивно: «выбери (SELECT) определённые поля из (FROM) конкретной таблицы».

Базовый синтаксис:

SELECT столбец1, столбец2, столбец3 
FROM название_таблицы;

Пример: выбрать имена и email из таблицы пользователи:

SELECT имя, email FROM пользователи;

Выборка всех столбцов:

SELECT * FROM пользователи;

Символ * означает «все столбцы». Это удобно для быстрого просмотра данных, но в продакшене лучше указывать конкретные поля — так запрос работает быстрее.

Переименование столбцов с помощью AS:

SELECT 
  имя AS "Имя пользователя",
  email AS "Электронная почта",
  дата_регистрации AS "Дата регистрации"
FROM пользователи;

Алиасы (псевдонимы) делают результаты понятнее, особенно при построении отчётов.

Вычисления в SELECT:

SELECT 
  товар,
  цена,
  количество,
  цена * количество AS итоговая_стоимость
FROM заказы;

SQL позволяет выполнять математические операции прямо в запросе: сложение, вычитание, умножение, деление.

Константы и строковые литералы:

SELECT 
  'Пользователь' AS тип,
  имя,
  город
FROM пользователи;

Можно добавлять фиксированные значения в результат — это полезно при объединении данных из нескольких таблиц.

Функции в SELECT:

SELECT 
  UPPER(имя) AS имя_заглавными,
  LENGTH(email) AS длина_email,
  CURRENT_DATE AS сегодня
FROM пользователи;

SQL содержит десятки встроенных функций для работы со строками, датами, числами. UPPER переводит текст в верхний регистр, LENGTH возвращает длину строки, CURRENT_DATE — текущую дату.

SELECT — это точка входа в работу с данными. Освоив её вариации, вы сможете формировать отчёты любой сложности.

WHERE: фильтрация данных

WHERE добавляет условия к запросу, позволяя отобрать только нужные строки. Без WHERE вы получаете все записи из таблицы, с WHERE — только те, что соответствуют критериям.

Базовый синтаксис:

SELECT столбцы FROM таблица WHERE условие;

Операторы сравнения:

-- Точное совпадение
SELECT * FROM заказы WHERE город = 'Москва';

-- Больше, меньше
SELECT * FROM заказы WHERE цена > 10000;
SELECT * FROM заказы WHERE количество <= 5;

-- Не равно
SELECT * FROM пользователи WHERE статус != 'активный';

Логические операторы AND, OR, NOT:

-- AND: оба условия должны быть истинны
SELECT * FROM заказы 
WHERE город = 'Москва' AND цена > 5000;

-- OR: хотя бы одно условие истинно
SELECT * FROM заказы 
WHERE город = 'Москва' OR город = 'Санкт-Петербург';

-- NOT: инверсия условия
SELECT * FROM пользователи 
WHERE NOT город = 'Москва';

BETWEEN — диапазон значений:

SELECT * FROM заказы 
WHERE цена BETWEEN 5000 AND 15000;

Эквивалентно цена >= 5000 AND цена <= 15000.

IN — проверка вхождения в список:

SELECT * FROM заказы 
WHERE город IN ('Москва', 'Санкт-Петербург', 'Казань');

Вместо трёх OR один компактный IN.

LIKE — поиск по шаблону:

-- Все email, заканчивающиеся на @gmail.com
SELECT * FROM пользователи WHERE email LIKE '%@gmail.com';

-- Имена, начинающиеся на "А"
SELECT * FROM пользователи WHERE имя LIKE 'А%';

-- Телефоны с кодом 495 (Москва)
SELECT * FROM пользователи WHERE телефон LIKE '+7495%';

Символ % означает «любые символы в любом количестве», _ — «один любой символ».

IS NULL / IS NOT NULL — проверка на пустые значения:

-- Пользователи без email
SELECT * FROM пользователи WHERE email IS NULL;

-- Пользователи с указанным email
SELECT * FROM пользователи WHERE email IS NOT NULL;

Работа с датами:

-- Заказы за март 2026
SELECT * FROM заказы 
WHERE дата_заказа >= '2026-03-01' 
  AND дата_заказа < '2026-04-01';

-- Заказы за последние 7 дней
SELECT * FROM заказы 
WHERE дата_заказа >= CURRENT_DATE - INTERVAL '7 days';

JOIN: объединение таблиц

JOIN — ключевая конструкция реляционных БД, которая позволяет объединять данные из нескольких таблиц по общему полю. Без JOIN вы работаете только с одной таблицей, с JOIN — строите сложные аналитические запросы.

Рассмотрим две таблицы:

Таблица пользователи:

Таблица заказы:

INNER JOIN — пересечение таблиц:

SELECT 
  пользователи.имя,
  заказы.товар,
  заказы.цена
FROM пользователи
INNER JOIN заказы ON пользователи.user_id = заказы.user_id;

Результат содержит только те строки, где есть совпадение по user_id в обеих таблицах. Если у пользователя нет заказов, он не попадёт в выборку.

LEFT JOIN — все строки из левой таблицы:

SELECT 
  пользователи.имя,
  заказы.товар,
  заказы.цена
FROM пользователи
LEFT JOIN заказы ON пользователи.user_id = заказы.user_id;

Возвращает всех пользователей. Если у пользователя нет заказов, поля из таблицы заказы будут NULL. Это полезно для анализа: «сколько пользователей ничего не купили».

RIGHT JOIN — все строки из правой таблицы:

SELECT 
  пользователи.имя,
  заказы.товар
FROM пользователи
RIGHT JOIN заказы ON пользователи.user_id = заказы.user_id;

Обратная логика LEFT JOIN — все заказы, даже если нет информации о пользователе. Используется редко.

FULL OUTER JOIN — все строки из обеих таблиц:

SELECT 
  пользователи.имя,
  заказы.товар
FROM пользователи
FULL OUTER JOIN заказы ON пользователи.user_id = заказы.user_id;

Объединяет результаты LEFT и RIGHT JOIN. Поддерживается в PostgreSQL, но отсутствует в MySQL (там используют UNION).

Множественные JOIN:

SELECT 
  пользователи.имя,
  заказы.товар,
  категории.название
FROM пользователи
INNER JOIN заказы ON пользователи.user_id = заказы.user_id
INNER JOIN категории ON заказы.category_id = категории.id;

Можно объединять три, четыре и более таблиц последовательно.

Алиасы для таблиц:

SELECT 
  u.имя,
  o.товар,
  o.цена
FROM пользователи AS u
INNER JOIN заказы AS o ON u.user_id = o.user_id;

Короткие алиасы (u, o) упрощают запись длинных запросов.

GROUP BY и агрегатные функции

GROUP BY группирует строки с одинаковыми значениями в указанном поле, а агрегатные функции вычисляют итоги по каждой группе: COUNT (количество), SUM (сумма), AVG (среднее), MIN (минимум), MAX (максимум).

Подсчёт количества заказов по городам:

SELECT 
  город,
  COUNT(*) AS количество_заказов
FROM заказы
GROUP BY город;

Результат покажет, сколько заказов пришло из каждого города.

Сумма выручки по пользователям:

SELECT 
  user_id,
  SUM(цена * количество) AS общая_выручка
FROM заказы
GROUP BY user_id;

Средний чек по месяцам:

SELECT 
  DATE_TRUNC('month', дата_заказа) AS месяц,
  AVG(цена) AS средний_чек
FROM заказы
GROUP BY месяц
ORDER BY месяц;

DATE_TRUNC округляет дату до начала месяца, позволяя группировать по периодам.

Минимальная и максимальная цена по категориям:

SELECT 
  категория,
  MIN(цена) AS минимальная_цена,
  MAX(цена) AS максимальная_цена
FROM товары
GROUP BY категория;

Группировка по нескольким полям:

SELECT 
  город,
  категория,
  COUNT(*) AS количество
FROM заказы
GROUP BY город, категория;

Это создаёт подгруппы: сначала группировка по городу, затем внутри каждого города — по категории.

HAVING — фильтрация после группировки:

SELECT 
  user_id,
  COUNT(*) AS количество_заказов,
  SUM(цена) AS сумма_покупок
FROM заказы
GROUP BY user_id
HAVING COUNT(*) > 3 AND SUM(цена) > 20000;

HAVING работает с результатами агрегации, WHERE — с исходными строками. Это частая ошибка новичков: пытаться использовать WHERE с COUNT или SUM.

Практический пример: анализ активности пользователей

SELECT 
  user_id,
  COUNT(DISTINCT дата_заказа) AS дней_с_покупками,
  COUNT(*) AS всего_заказов,
  ROUND(AVG(цена), 2) AS средний_чек,
  SUM(цена) AS общая_сумма
FROM заказы
WHERE дата_заказа >= '2026-01-01'
GROUP BY user_id
HAVING COUNT(*) >= 2
ORDER BY общая_сумма DESC
LIMIT 10;

Этот запрос находит топ-10 пользователей по выручке за 2026 год, которые сделали минимум 2 заказа.

ORDER BY: сортировка результатов

ORDER BY упорядочивает результаты запроса по одному или нескольким столбцам. По умолчанию сортировка идёт по возрастанию (ASC), для обратного порядка используется DESC.

Сортировка по одному полю:

-- По возрастанию цены
SELECT * FROM товары ORDER BY цена;

-- По убыванию цены (самые дорогие сначала)
SELECT * FROM товары ORDER BY цена DESC;

Сортировка по нескольким полям:

SELECT * FROM заказы 
ORDER BY город, дата_заказа DESC;

Сначала сортировка по городу (алфавитный порядок), затем внутри каждого города — по дате от новых к старым.

Сортировка по вычисляемому полю:

SELECT 
  товар,
  цена,
  количество,
  цена * количество AS итого
FROM заказы
ORDER BY итого DESC;

Сортировка по позиции столбца:

SELECT имя, email, город FROM пользователи ORDER BY 3;

Цифра 3 означает «сортировать по третьему столбцу в SELECT» (город). Допустимо, но менее читаемо, чем ORDER BY город.

Сортировка с NULL:

-- NULL в конце
SELECT * FROM пользователи ORDER BY email NULLS LAST;

-- NULL в начале
SELECT * FROM пользователи ORDER BY email NULLS FIRST;

В PostgreSQL можно явно указать, куда помещать NULL-значения.

Комбинация с LIMIT для топов:

-- Топ-5 самых дорогих заказов
SELECT * FROM заказы ORDER BY цена DESC LIMIT 5;

-- Топ-10 активных пользователей
SELECT 
  user_id,
  COUNT(*) AS заказов
FROM заказы
GROUP BY user_id
ORDER BY заказов DESC
LIMIT 10;

ORDER BY всегда выполняется в конце запроса, после WHERE, GROUP BY и HAVING. Это важно для понимания последовательности обработки.

INSERT, UPDATE, DELETE: изменение данных

До сих пор мы только читали данные с помощью SELECT. Теперь рассмотрим операции изменения: добавление новых записей (INSERT), обновление существующих (UPDATE) и удаление (DELETE).

INSERT — добавление новых строк:

-- Добавить одного пользователя
INSERT INTO пользователи (имя, email, город) 
VALUES ('Ирина', 'irina@mail.ru', 'Екатеринбург');

-- Добавить несколько пользователей за раз
INSERT INTO пользователи (имя, email, город) 
VALUES 
  ('Дмитрий', 'dmitry@gmail.com', 'Москва'),
  ('Ольга', 'olga@yandex.ru', 'Казань'),
  ('Павел', 'pavel@mail.ru', 'Новосибирск');

Если у таблицы есть поле с автоинкрементом (обычно id), его можно не указывать — СУБД присвоит значение автоматически.

INSERT с возвратом созданной записи (PostgreSQL):

INSERT INTO пользователи (имя, email) 
VALUES ('Алексей', 'alexey@mail.ru')
RETURNING id, имя, created_at;

RETURNING позволяет сразу получить созданную запись с её id и другими полями.

UPDATE — обновление существующих записей:

-- Изменить email одного пользователя
UPDATE пользователи 
SET email = 'new_email@gmail.com' 
WHERE user_id = 5;

-- Обновить несколько полей
UPDATE пользователи 
SET 
  город = 'Санкт-Петербург',
  статус = 'активный',
  обновлено_в = CURRENT_TIMESTAMP
WHERE user_id = 10;

UPDATE с условием на основе вычислений:

-- Применить скидку 10% ко всем товарам дороже 50 000
UPDATE товары 
SET цена = цена * 0.9 
WHERE цена > 50000;

DELETE — удаление строк:

-- Удалить одного пользователя
DELETE FROM пользователи WHERE user_id = 15;

-- Удалить всех неактивных пользователей
DELETE FROM пользователи WHERE статус = 'неактивный';

-- Удалить заказы старше года
DELETE FROM заказы 
WHERE дата_заказа < CURRENT_DATE - INTERVAL '1 year';

TRUNCATE — быстрое удаление всех данных:

TRUNCATE TABLE пользователи;

Работает быстрее DELETE, но удаляет все строки без возможности отката (если нет транзакций).

Транзакции для безопасности:

BEGIN;
UPDATE счета SET баланс = баланс - 1000 WHERE user_id = 1;
UPDATE счета SET баланс = баланс + 1000 WHERE user_id = 2;
COMMIT;

Транзакция гарантирует, что либо выполнятся обе операции, либо ни одна. Если что-то пошло не так, используйте ROLLBACK для отмены изменений.

Подзапросы (subqueries)

Подзапрос — это SELECT внутри другого SELECT. Он позволяет использовать результаты одного запроса в качестве данных для другого. Подзапросы делают код более читаемым и гибким.

Подзапрос в WHERE:

-- Найти пользователей, которые сделали заказ дороже среднего
SELECT * FROM пользователи
WHERE user_id IN (
  SELECT user_id FROM заказы 
  WHERE цена > (SELECT AVG(цена) FROM заказы)
);

Внутренний подзапрос вычисляет среднюю цену, затем находит заказы выше средней, и в итоге возвращаются пользователи этих заказов.

Подзапрос в SELECT:

SELECT 
  имя,
  (SELECT COUNT(*) FROM заказы WHERE заказы.user_id = пользователи.user_id) AS количество_заказов
FROM пользователи;

Для каждого пользователя подзапрос считает количество его заказов. Это называется коррелированный подзапрос — он зависит от внешнего запроса.

Подзапрос в FROM (производная таблица):

SELECT 
  город,
  AVG(сумма_заказов) AS средняя_сумма_на_пользователя
FROM (
  SELECT 
    пользователи.город,
    SUM(заказы.цена) AS сумма_заказов
  FROM пользователи
  JOIN заказы ON пользователи.user_id = заказы.user_id
  GROUP BY пользователи.user_id, пользователи.город
) AS пользовательские_суммы
GROUP BY город;

Подзапрос сначала считает сумму заказов каждого пользователя, затем внешний запрос группирует по городам и вычисляет среднее.

EXISTS — проверка существования:

-- Пользователи, у которых есть хотя бы один заказ
SELECT * FROM пользователи
WHERE EXISTS (
  SELECT 1 FROM заказы WHERE заказы.user_id = пользователи.user_id
);

EXISTS возвращает TRUE, если подзапрос нашёл хотя бы одну строку. Часто работает быстрее, чем JOIN или IN.

NOT EXISTS — обратная логика:

-- Пользователи без заказов
SELECT * FROM пользователи
WHERE NOT EXISTS (
  SELECT 1 FROM заказы WHERE заказы.user_id = пользователи.user_id
);

Подзапросы с ANY / ALL:

-- Товары дороже любого товара из категории "Аксессуары"
SELECT * FROM товары
WHERE цена > ANY (
  SELECT цена FROM товары WHERE категория = 'Аксессуары'
);

-- Товары дороже всех товаров из категории "Аксессуары"
SELECT * FROM товары
WHERE цена > ALL (
  SELECT цена FROM товары WHERE категория = 'Аксессуары'
);

Подзапросы мощные, но могут снижать производительность на больших данных. Часто их можно заменить на JOIN или CTE (Common Table Expressions).

Оконные функции (window functions)

Оконные функции — продвинутый инструмент SQL, который позволяет выполнять вычисления по группам строк (окнам) без схлопывания результата, как в GROUP BY. Это ключевой навык для middle-аналитика.

Базовый синтаксис:

функция() OVER (
  PARTITION BY поле_группировки 
  ORDER BY поле_сортировки
)

ROW_NUMBER — нумерация строк:

SELECT 
  имя,
  город,
  зарплата,
  ROW_NUMBER() OVER (PARTITION BY город ORDER BY зарплата DESC) AS ранг_в_городе
FROM сотрудники;

Для каждого города присваивается номер от 1 (самая высокая зарплата) до N.

RANK и DENSE_RANK:

SELECT 
  товар,
  цена,
  RANK() OVER (ORDER BY цена DESC) AS ранг,
  DENSE_RANK() OVER (ORDER BY цена DESC) AS плотный_ранг
FROM товары;

RANK пропускает номера при одинаковых значениях (1, 2, 2, 4), DENSE_RANK нет (1, 2, 2, 3).

SUM/AVG/COUNT с окнами — накопительные итоги:

SELECT 
  дата_заказа,
  выручка,
  SUM(выручка) OVER (ORDER BY дата_заказа) AS накопительная_выручка
FROM продажи
ORDER BY дата_заказа;

Показывает, как растёт выручка день за днём.

LAG и LEAD — доступ к предыдущим и следующим строкам:

SELECT 
  дата,
  продажи,
  LAG(продажи, 1) OVER (ORDER BY дата) AS продажи_вчера,
  продажи - LAG(продажи, 1) OVER (ORDER BY дата) AS изменение
FROM ежедневные_продажи;

LAG(продажи, 1) возвращает значение из предыдущей строки, LEAD — из следующей. Это удобно для расчёта динамики.

FIRST_VALUE и LAST_VALUE:

SELECT 
  дата,
  цена,
  FIRST_VALUE(цена) OVER (ORDER BY дата) AS цена_первого_дня,
  LAST_VALUE(цена) OVER (ORDER BY дата ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS цена_последнего_дня
FROM цены_товаров;

Практический пример: топ-3 товара по выручке в каждой категории

WITH ranked_products AS (
  SELECT 
    категория,
    товар,
    выручка,
    RANK() OVER (PARTITION BY категория ORDER BY выручка DESC) AS ранг
  FROM продажи_по_товарам
)
SELECT * FROM ranked_products WHERE ранг <= 3;

Оконные функции позволяют решать задачи, невозможные с обычным GROUP BY: сравнение с предыдущим периодом, ранжирование внутри групп, скользящие средние.

CTE (Common Table Expressions)

CTE (Common Table Expressions) — временные именованные результаты запросов, которые существуют только во время выполнения основного запроса. Они делают сложные запросы читаемыми и структурированными, заменяя вложенные подзапросы.

Базовый синтаксис:

WITH название_cte AS (
  SELECT ...
)
SELECT * FROM название_cte;

Простой пример:

WITH высокие_заказы AS (
  SELECT * FROM заказы WHERE цена > 10000
)
SELECT 
  COUNT(*) AS количество,
  AVG(цена) AS средняя_цена
FROM высокие_заказы;

Вместо подзапроса в FROM мы создали читаемую конструкцию с понятным именем.

Несколько CTE в одном запросе:

WITH 
активные_пользователи AS (
  SELECT user_id FROM пользователи WHERE статус = 'активный'
),
недавние_заказы AS (
  SELECT * FROM заказы WHERE дата_заказа >= CURRENT_DATE - 30
)
SELECT 
  u.имя,
  COUNT(o.order_id) AS заказов_за_месяц
FROM активные_пользователи au
JOIN пользователи u ON au.user_id = u.user_id
JOIN недавние_заказы o ON u.user_id = o.user_id
GROUP BY u.имя;

Рекурсивные CTE — обход иерархий:

WITH RECURSIVE подчинённые AS (
  -- Начальная точка: найти менеджера верхнего уровня
  SELECT employee_id, имя, manager_id, 1 AS уровень
  FROM сотрудники
  WHERE manager_id IS NULL
  
  UNION ALL
  
  -- Рекурсивная часть: найти всех подчинённых
  SELECT e.employee_id, e.имя, e.manager_id, p.уровень + 1
  FROM сотрудники e
  JOIN подчинённые p ON e.manager_id = p.employee_id
)
SELECT * FROM подчинённые ORDER BY уровень, имя;

Рекурсивные CTE используются для построения организационных структур, категорий товаров с подкатегориями, графов зависимостей.

CTE для разбиения сложного запроса:

WITH 
продажи_по_месяцам AS (
  SELECT 
    DATE_TRUNC('month', дата_заказа) AS месяц,
    SUM(сумма) AS выручка
  FROM заказы
  GROUP BY месяц
),
средняя_выручка AS (
  SELECT AVG(выручка) AS среднее FROM продажи_по_месяцам
)
SELECT 
  m.месяц,
  m.выручка,
  a.среднее,
  ROUND((m.выручка - a.среднее) / a.среднее * 100, 2) AS отклонение_процент
FROM продажи_по_месяцам m
CROSS JOIN средняя_выручка a
ORDER BY m.месяц;

Этот запрос находит месяцы с выручкой выше или ниже средней и показывает отклонение в процентах.

Индексы и оптимизация запросов

Индексы — это структуры данных, которые ускоряют поиск информации в таблице. Без индексов СУБД сканирует всю таблицу построчно (full table scan), с индексами — находит нужные строки почти мгновенно.

Как работают индексы:

Представьте книгу без оглавления: чтобы найти нужную главу, придётся листать все страницы. Индекс — это оглавление БД, которое указывает, где находятся конкретные данные.

Создание индекса:

-- Индекс по одному полю
CREATE INDEX idx_users_email ON пользователи(email);

-- Составной индекс (по нескольким полям)
CREATE INDEX idx_orders_user_date ON заказы(user_id, дата_заказа);

-- Уникальный индекс (гарантирует отсутствие дубликатов)
CREATE UNIQUE INDEX idx_users_email_unique ON пользователи(email);

Когда индексы помогают:

• WHERE с условиями на индексированные поля
• JOIN по полям с индексами
• ORDER BY по индексированным столбцам
• MIN/MAX на индексированных полях

Когда индексы НЕ нужны:

• Таблицы с малым количеством строк (до 1000)
• Поля с низкой селективностью (например, пол: М/Ж)
• Столбцы, которые часто изменяются (индексы замедляют INSERT/UPDATE)

EXPLAIN — анализ плана запроса:

EXPLAIN ANALYZE
SELECT * FROM заказы WHERE user_id = 123;

EXPLAIN показывает, как СУБД выполняет запрос: использует ли индексы, сколько строк сканирует, сколько времени занимает операция.

Оптимизация запросов — лучшие практики:

• Избегайте SELECT * — выбирайте только нужные поля
• Используйте WHERE рано — фильтруйте данные до JOIN, а не после
• Индексируйте поля в JOIN и WHERE — это критично для больших таблиц
• Избегайте функций в WHERE — WHERE YEAR(дата) = 2026 не использует индекс, WHERE дата >= '2026-01-01' AND дата < '2027-01-01' использует
• LIMIT на больших выборках — если не нужны все результаты
• Используйте EXISTS вместо IN для подзапросов с большими результатами

Пример оптимизации:

Медленный запрос:

SELECT * FROM заказы 
WHERE EXTRACT(YEAR FROM дата_заказа) = 2026;

Быстрый запрос:

CREATE INDEX idx_orders_date ON заказы(дата_заказа);

SELECT * FROM заказы 
WHERE дата_заказа >= '2026-01-01' AND дата_заказа < '2027-01-01';

Разница в скорости может достигать сотен раз на таблицах с миллионами строк.

Продвинутые техники: A/B-тестирование, когортный анализ

SQL используется не только для простых выборок, но и для сложной продуктовой аналитики. Две ключевые задачи для middle-аналитика — A/B-тестирование и когортный анализ.

A/B-тестирование в SQL:

A/B-тест сравнивает две версии продукта (контрольную A и тестовую B), чтобы понять, какая работает лучше. SQL помогает вычислить метрики для каждой группы.

WITH тест_группы AS (
  SELECT 
    user_id,
    CASE 
      WHEN user_id % 2 = 0 THEN 'A'
      ELSE 'B'
    END AS группа
  FROM пользователи
  WHERE дата_регистрации >= '2026-03-01'
),
метрики AS (
  SELECT 
    t.группа,
    COUNT(DISTINCT t.user_id) AS пользователей,
    COUNT(o.order_id) AS заказов,
    ROUND(COUNT(o.order_id)::NUMERIC / COUNT(DISTINCT t.user_id), 2) AS заказов_на_пользователя,
    ROUND(AVG(o.сумма), 2) AS средний_чек
  FROM тест_группы t
  LEFT JOIN заказы o ON t.user_id = o.user_id
  GROUP BY t.группа
)
SELECT * FROM метрики;

Результат покажет конверсию и средний чек для каждой группы.

Когортный анализ:

Когорта — группа пользователей, объединённых общим признаком (обычно месяцем регистрации). Когортный анализ показывает, как меняется поведение когорт со временем.

WITH когорты AS (
  SELECT 
    user_id,
    DATE_TRUNC('month', дата_регистрации) AS когорта
  FROM пользователи
),
активность AS (
  SELECT 
    k.когорта,
    DATE_TRUNC('month', o.дата_заказа) AS месяц_активности,
    COUNT(DISTINCT o.user_id) AS активных_пользователей
  FROM когорты k
  JOIN заказы o ON k.user_id = o.user_id
  GROUP BY k.когорта, месяц_активности
),
размеры_когорт AS (
  SELECT 
    когорта,
    COUNT(DISTINCT user_id) AS размер_когорты
  FROM когорты
  GROUP BY когорта
)
SELECT 
  a.когорта,
  a.месяц_активности,
  a.активных_пользователей,
  r.размер_когорты,
  ROUND(a.активных_пользователей::NUMERIC / r.размер_когорты * 100, 2) AS retention_percent
FROM активность a
JOIN размеры_когорт r ON a.когорта = r.когорта
ORDER BY a.когорта, a.месяц_активности;

Этот запрос показывает retention (удержание) пользователей: какой процент когорты остаётся активным через месяц, два, три.

RFM-анализ (Recency, Frequency, Monetary):

WITH rfm AS (
  SELECT 
    user_id,
    CURRENT_DATE - MAX(дата_заказа) AS дней_с_последнего_заказа,
    COUNT(*) AS количество_заказов,
    SUM(сумма) AS общая_сумма
  FROM заказы
  GROUP BY user_id
)
SELECT 
  user_id,
  CASE 
    WHEN дней_с_последнего_заказа <= 30 THEN 'Активный'
    WHEN дней_с_последнего_заказа <= 90 THEN 'Засыпающий'
    ELSE 'Потерянный'
  END AS сегмент_по_recency,
  CASE 
    WHEN количество_заказов >= 10 THEN 'VIP'
    WHEN количество_заказов >= 3 THEN 'Лояльный'
    ELSE 'Разовый'
  END AS сегмент_по_frequency,
  общая_сумма
FROM rfm
ORDER BY общая_сумма DESC;

RFM-сегментация помогает выделить ценных клиентов и настроить персонализированный маркетинг.

SQL в связке с Python и BI-инструментами

SQL редко используется изолированно. В реальной работе аналитик комбинирует SQL с языками программирования (Python, R) и инструментами визуализации (Tableau, Power BI, Metabase).

SQL + Python:

Python библиотеки позволяют выполнять SQL-запросы из кода и обрабатывать результаты:

import pandas as pd
import psycopg2

# Подключение к PostgreSQL
conn = psycopg2.connect(
    host="localhost",
    database="analytics",
    user="analyst",
    password="password"
)

# Выполнение SQL-запроса и загрузка в DataFrame
query = """
    SELECT 
        дата_заказа,
        SUM(сумма) AS выручка
    FROM заказы
    WHERE дата_заказа >= '2026-01-01'
    GROUP BY дата_заказа
    ORDER BY дата_заказа
"""

df = pd.read_sql(query, conn)

# Дальнейшая обработка в pandas
df['скользящее_среднее_7д'] = df['выручка'].rolling(7).mean()

conn.close()

Это позволяет использовать мощь SQL для извлечения данных и возможности Python для сложной аналитики, машинного обучения, статистических тестов.

SQL + Tableau/Power BI:

BI-инструменты подключаются к базам данных и позволяют строить интерактивные дашборды. Аналитик пишет SQL-запросы для создания витрин данных (data marts), а затем визуализирует их:

• Tableau — подключается к PostgreSQL, MySQL, BigQuery; поддерживает кастомные SQL-запросы
• Power BI — интеграция с MS SQL Server, Azure; встроенный редактор DAX и SQL
• Metabase — open-source, позволяет писать SQL и сразу строить графики
• Redash — ещё один open-source инструмент для SQL-дашбордов

Типичный workflow:

1. Аналитик пишет SQL-запрос в DBeaver, проверяет результаты
2. Сохраняет запрос как представление (VIEW) или витрину данных
3. Подключает BI-инструмент к этой витрине
4. Строит визуализации: графики, таблицы, KPI-карточки
5. Публикует дашборд для команды

SQL + Jupyter Notebooks:

Jupyter поддерживает SQL через расширения (ipython-sql, JupySQL), позволяя писать SQL-запросы прямо в ячейках ноутбука:

%load_ext sql
%sql postgresql://user:password@localhost/database

%%sql
SELECT 
    категория,
    COUNT(*) AS товаров,
    AVG(цена) AS средняя_цена
FROM товары
GROUP BY категория
ORDER BY товаров DESC;

Это удобно для исследовательского анализа данных (EDA) и документирования процесса аналитики.

SQL + Apache Airflow:

Airflow — платформа для автоматизации и оркестрации задач. SQL-запросы оформляются как DAG (направленный ациклический граф), который выполняется по расписанию:

• Ежедневная загрузка данных из источника в хранилище
• Обновление витрин данных
• Отправка отчётов по email

Это уже уровень data engineer, но понимание связки SQL + автоматизация критично для роста до senior-позиций.

Где практиковаться бесплатно: Stepik, SQL Academy, SQL-EX, Karpov.Courses

Теория без практики бесполезна. Ниже — проверенные платформы для оттачивания SQL-навыков от базовых запросов до продвинутых техник.

Stepik — Интерактивный тренажёр по SQL

Бесплатный курс с автоматической проверкой задач. Начинается с SELECT, заканчивается оконными функциями и подзапросами. Удобный редактор кода прямо в браузере, мгновенная обратная связь. Подходит для абсолютных новичков.

Плюсы:

• Полностью бесплатно
• Структурированная программа от простого к сложному
• Реальная БД с данными для практики
• Сертификат по завершении

Минусы:

• Интерфейс может показаться устаревшим
• Нет живого сообщества для обсуждения

SQL Academy

Интерактивная платформа с игровым подходом. Задачи разбиты на уровни, есть рейтинг пользователей. Охватывает базовые и продвинутые темы: JOIN, GROUP BY, подзапросы, оконные функции.

Плюсы:

• Бесплатный доступ к основным урокам
• Визуальные схемы баз данных
• Понятные объяснения с примерами
• Подходит для самостоятельного изучения

Минусы:

• Некоторые продвинутые разделы платные
• Меньше задач, чем на специализированных платформах

SQL-EX.RU

Платформа с акцентом на решение практических задач. Более 100 упражнений разной сложности: от простых SELECT до сложных аналитических запросов. Подходит для тех, кто хочет углубить знания после базового курса.

Плюсы:

• Большая база задач с реалистичными сценариями
• Рейтинг решений и обсуждение подходов
• Поддержка разных СУБД (MS SQL, PostgreSQL, MySQL)

Минусы:

• Доступ к части задач платный
• Интерфейс требует привыкания
• Нет структурированной теории

Karpov.Courses — Симулятор SQL

Бесплатный тренажёр от образовательной платформы Karpov.Courses. Задачи построены на реальных данных: таблицы пользователей, заказов, курьеров. Фокус на продуктовой аналитике и метриках.

Плюсы:

• Бесплатный доступ к симулятору
• Практические задачи из реальной работы аналитика
• Подсказки и разборы решений
• Современный интерфейс

Минусы:

• Требует базовых знаний SQL
• Полный курс платный

LeetCode — раздел Database

Платформа для подготовки к собеседованиям. SQL-задачи разделены по сложности: Easy, Medium, Hard. Фокус на алгоритмических аспектах и оптимизации запросов.

Плюсы:

• Реальные задачи с собеседований в технологичных компаниях
• Обсуждения решений от сообщества
• Подготовка к интервью

Минусы:

• Большинство задач на английском
• Платная подписка для доступа ко всем задачам

HackerRank — SQL

Аналог LeetCode с разделом SQL. Задачи от базовых до продвинутых, с автоматической проверкой.

Рекомендация: начните с Stepik или SQL Academy для освоения основ, затем переходите к SQL-EX и Karpov.Courses для практики на реальных кейсах. LeetCode и HackerRank используйте для подготовки к собеседованиям.

Обзор платных курсов 2026: Skillbox, Нетология, SkillFactory, Eduson, ВШЭ

Если вам нужна структурированная программа с обратной связью от наставников и проектами в портфолио, рассмотрите платные курсы. Ниже — актуальные предложения на март 2026 года.

Skillbox — SQL для анализа данных

Длительность 2 месяца, рассрочка 6 месяцев по 8 459 рублей, полная стоимость 50 754 рубля (со скидкой 45% от 92 280 рублей). Вы освоите язык запросов SQL и сможете самостоятельно получать нужные данные, сопоставлять и анализировать их.

Программа:

• Основы баз данных и реляционных моделей
• SELECT, WHERE, JOIN, GROUP BY
• Подзапросы и CTE
• Оконные функции
• Особенности работы в MySQL, PostgreSQL, MS SQL
• Проект в портфолио

Подходит: начинающим аналитикам, маркетологам, продакт-менеджерам.

Нетология — SQL и получение данных

Длительность 2 месяца, стоимость со скидкой, оплатите курс до 24 февраля. Средняя стоимость около 22 900 рублей с рассрочкой от 2 008 рублей в месяц.

Программа:

• Основы SQL: SELECT, фильтрация, сортировка
• Объединение таблиц через JOIN
• Агрегатные функции и группировки
• Задачи по сегментации, когортам, A/B-тестированию
• Помощь с резюме и портфолио

Подходит: специалистам роста, маркетологам, аналитикам без опыта SQL.

SkillFactory — Курс по SQL для анализа данных

Длительность 7–15 недель в зависимости от темпа обучения. Стоимость варьируется, в среднем от 30 000 до 60 000 рублей.

Программа:

• Основы и продвинутый SQL
• PostgreSQL и работа с большими данными
• Оконные функции и оптимизация
• Интеграция с Python и Jupyter
• Реальные проекты из e-commerce и финтех

Подходит: аналитикам данных, будущим data scientists.

Eduson Academy — SQL с нуля для анализа данных

Длительность 3–4 недели (экспресс-формат). Стоимость от 3 552 рублей в месяц при рассрочке, полная цена около 42 624 рублей.

Программа:

• Много практики на кейсах и тренажерах, личный куратор ответит на любой вопрос, вечный доступ к курсу и обновлениям
• Основы SQL и работа с PostgreSQL
• Продвинутые запросы и аналитика
• Проектная работа

Подходит: новичкам, которым нужен быстрый старт.

ВШЭ — Курсы по анализу данных с SQL

Длительность 2 месяца. Стоимость выше среднерыночной — от 50 000 до 80 000 рублей в зависимости от программы.

Программа:

• Академический подход к базам данных
• SQL в контексте аналитики и статистики
• Проектная работа с реальными данными
• Сертификат от ВШЭ

Подходит: тем, кому важен престижный сертификат и академическая программа.

МГТУ им. Баумана

Стоимость около 52 000 рублей за 34 академических часа. Программа ориентирована на технических специалистов и разработчиков.

Сравнительная таблица курсов: цены, сроки, программы

Средняя стоимость курсов SQL в 2026 году: 43 727 рублей. Диапазон цен: от бесплатных (Stepik, SQL Academy) до 201 990 рублей за продвинутые программы с менторством.

Рекомендации по выбору:

• Ограниченный бюджет: Нетология (22 900 ₽) или бесплатные ресурсы + самообучение
• Быстрый старт: Eduson Academy (3–4 недели)
• Глубокое погружение: SkillFactory или Skillbox с проектами
• Престижный сертификат: ВШЭ или МГТУ Баумана
• Аналитика + Python: SkillFactory

Типичные ошибки начинающих и как их избежать

Изучая SQL, новички совершают предсказуемые ошибки. Зная их заранее, вы сэкономите часы отладки.

1. Путаница WHERE и HAVING

WHERE фильтрует строки до группировки, HAVING — после. Попытка использовать агрегатную функцию в WHERE приведёт к ошибке:

-- Ошибка
SELECT город, COUNT(*) FROM заказы 
WHERE COUNT(*) > 10 
GROUP BY город;

-- Правильно
SELECT город, COUNT(*) FROM заказы 
GROUP BY город 
HAVING COUNT(*) > 10;

2. Забытый GROUP BY при использовании агрегатов

-- Ошибка: город не в GROUP BY
SELECT город, COUNT(*) FROM заказы;

-- Правильно
SELECT город, COUNT(*) FROM заказы GROUP BY город;

3. SELECT * в продакшене

На больших таблицах это замедляет запросы и перегружает сеть. Выбирайте только нужные поля.

4. Игнорирование NULL

NULL — это не ноль и не пустая строка. Сравнения с NULL через = не работают:

-- Не сработает
SELECT * FROM пользователи WHERE email = NULL;

-- Правильно
SELECT * FROM пользователи WHERE email IS NULL;

5. Неправильные JOIN без условий

Забытое условие ON приводит к декартову произведению — каждая строка из первой таблицы умножается на каждую из второй:

-- Ошибка: миллионы строк вместо тысяч
SELECT * FROM пользователи JOIN заказы;

-- Правильно
SELECT * FROM пользователи JOIN заказы ON пользователи.id = заказы.user_id;

6. Неоптимизированные запросы с подзапросами

Коррелированные подзапросы могут выполняться для каждой строки. Часто их можно заменить JOIN:

-- Медленно
SELECT имя, (SELECT COUNT(*) FROM заказы WHERE user_id = пользователи.id) 
FROM пользователи;

-- Быстрее
SELECT u.имя, COUNT(o.id) 
FROM пользователи u 
LEFT JOIN заказы o ON u.id = o.user_id 
GROUP BY u.имя;

7. Использование DISTINCT вместо правильного JOIN

DISTINCT маскирует проблему дублирования строк. Лучше понять причину и исправить JOIN.

8. Игнорирование типов данных

-- Может не работать, если поле строковое
SELECT * FROM товары WHERE id = '123';

-- Безопаснее привести тип явно
SELECT * FROM товары WHERE id = 123;

Подготовка к собеседованию: задачи, кейсы, вопросы

На собеседовании на позицию аналитика данных или junior SQL-разработчика вас ждут теоретические вопросы и практические задачи. Вот что нужно знать.

Теоретические вопросы:

• Что такое первичный и внешний ключи?
• В чём разница между INNER JOIN и LEFT JOIN?
• Чем отличается WHERE от HAVING?
• Что такое индекс и зачем он нужен?
• Объясните ACID-свойства транзакций
• Что такое нормализация БД?
• В чём разница между DELETE, TRUNCATE и DROP?
• Как работает GROUP BY?
• Что такое оконные функции?

Практические задачи — типовые паттерны:

Задача 1: Найти пользователей без заказов

SELECT u.* FROM пользователи u
LEFT JOIN заказы o ON u.id = o.user_id
WHERE o.id IS NULL;

Задача 2: Топ-3 товара по выручке в каждой категории

WITH ranked AS (
  SELECT 
    категория,
    товар,
    выручка,
    RANK() OVER (PARTITION BY категория ORDER BY выручка DESC) AS ранг
  FROM продажи
)
SELECT * FROM ranked WHERE ранг <= 3;

Задача 3: Найти дубликаты по email

SELECT email, COUNT(*) 
FROM пользователи 
GROUP BY email 
HAVING COUNT(*) > 1;

Задача 4: Рассчитать retention по месяцам

WITH первые_заказы AS (
  SELECT user_id, MIN(дата_заказа) AS первый_заказ
  FROM заказы GROUP BY user_id
)
SELECT 
  DATE_TRUNC('month', f.первый_заказ) AS когорта,
  DATE_TRUNC('month', o.дата_заказа) AS месяц,
  COUNT(DISTINCT o.user_id) AS активных
FROM первые_заказы f
JOIN заказы o ON f.user_id = o.user_id
GROUP BY когорта, месяц;

Задача 5: Найти второй по величине оклад

SELECT MAX(зарплата) FROM сотрудники
WHERE зарплата < (SELECT MAX(зарплата) FROM сотрудники);

Или через оконные функции:

SELECT DISTINCT зарплата 
FROM (
  SELECT зарплата, DENSE_RANK() OVER (ORDER BY зарплата DESC) AS ранг
  FROM сотрудники
) t
WHERE ранг = 2;

Советы для собеседования:

• Проговаривайте логику вслух, объясняя каждый шаг
• Начните с простого решения, затем оптимизируйте
• Спрашивайте уточнения: какой СУБД, есть ли индексы, размер таблиц
• Используйте CTE для читаемости сложных запросов
• Покажите знание оконных функций — это уровень middle
• Подготовьте 2–3 проекта в портфолио с SQL-запросами

Ресурсы для тренировки:

• LeetCode Database — задачи уровня FAANG
• HackerRank SQL — от Easy до Hard
• SQL-EX — российская платформа с реалистичными кейсами
• StrataScratch — реальные вопросы с собеседований

Сертификации: Oracle, Microsoft, Databricks

Сертификация подтверждает уровень владения SQL и повышает шансы при трудоустройстве, особенно в корпоративном сегменте.

Oracle Database SQL Certified Associate

Официальная сертификация Oracle для SQL-разработчиков. Экзамен проверяет знания:

• SELECT, JOIN, подзапросы
• GROUP BY, агрегатные функции
• DDL (CREATE, ALTER, DROP)
• DML (INSERT, UPDATE, DELETE)
• Индексы, представления, последовательности

Стоимость: около 17 000 рублей за экзамен. Подготовка занимает 2–3 месяца при наличии базовых знаний SQL.

Кому подходит: разработчикам БД, администраторам, аналитикам, работающим с Oracle Database.

Microsoft Certified: Azure Data Fundamentals (DP-900)

Базовая сертификация Microsoft по работе с данными в облаке Azure. Включает SQL, но также NoSQL и аналитические сервисы.

Темы:

• Реляционные БД и SQL
• Azure SQL Database
• Основы аналитики данных
• Data warehousing

Стоимость: около 5 000–7 000 рублей. Экзамен на английском, 60 минут.

Кому подходит: аналитикам и разработчикам, работающим в Microsoft-экосистеме.

Databricks Certified Associate Developer for Apache Spark

Сертификация для работы с большими данными через Spark SQL.

Темы:

• Spark SQL синтаксис
• DataFrames и таблицы
• Оптимизация запросов
• Delta Lake

Стоимость: около 18 000 рублей. Требует понимания распределённых систем.

Кому подходит: data engineers, аналитикам больших данных.

Стоит ли получать сертификацию?

Плюсы:

• Повышает доверие работодателей
• Структурирует знания
• Даёт преимущество при найме в крупных компаниях
• Подтверждает уровень владения конкретной СУБД

Минусы:

• Дорого (от 17 000 рублей)
• Требует времени на подготовку
• Многие работодатели смотрят на портфолио, а не сертификаты

Рекомендация: Если вы работаете в корпоративной среде (Oracle, MS SQL Server) или планируете переход в крупную компанию — сертификация полезна. Для стартапов и продуктовых компаний важнее реальные проекты и опыт решения бизнес-задач.

Roadmap обучения: от новичка до Middle-специалиста

Чёткий план помогает не распыляться и двигаться последовательно от основ к продвинутым техникам. Вот проверенный roadmap.

Этап 1: Основы (2–4 недели)

• Изучите структуру реляционных БД: таблицы, строки, столбцы, ключи
• Освойте SELECT, WHERE, ORDER BY, LIMIT
• Научитесь фильтровать данные: операторы сравнения, LIKE, BETWEEN, IN
• Установите DBeaver, подключитесь к тестовой БД
• Решите 20–30 задач на Stepik или SQL Academy

Этап 2: Объединения и группировки (2–3 недели)

• Изучите все типы JOIN: INNER, LEFT, RIGHT, FULL OUTER
• Освойте GROUP BY и агрегатные функции: COUNT, SUM, AVG, MIN, MAX
• Поймите разницу WHERE и HAVING
• Решите 30–50 задач с JOIN и группировками на SQL-EX

Этап 3: Изменение данных (1 неделя)

• INSERT, UPDATE, DELETE
• Транзакции: BEGIN, COMMIT, ROLLBACK
• CREATE TABLE, ALTER TABLE, DROP TABLE
• Создайте собственную тестовую БД, заполните данными

Этап 4: Подзапросы и CTE (2–3 недели)

• Подзапросы в WHERE, SELECT, FROM
• EXISTS, NOT EXISTS, ANY, ALL
• CTE (WITH) для структурирования сложных запросов
• Рекурсивные CTE
• Решите 20–30 задач среднего уровня

Этап 5: Оконные функции (2–3 недели)

• ROW_NUMBER, RANK, DENSE_RANK
• LAG, LEAD для работы с временными рядами
• SUM/AVG с PARTITION BY
• FIRST_VALUE, LAST_VALUE
• Решите 20–30 задач на оконные функции

Этап 6: Оптимизация и продвинутые темы (2–4 недели)

• Индексы: создание, типы, когда применять
• EXPLAIN для анализа плана запроса
• Оптимизация JOIN и подзапросов
• Партиционирование таблиц
• Материализованные представления

Этап 7: Практические проекты (4–6 недель)

• Создайте аналитический проект: найдите открытый датасет (Kaggle, GitHub)
• Загрузите данные в PostgreSQL
• Постройте витрины данных для анализа: продажи по месяцам, топ-клиенты, retention
• Реализуйте когортный анализ, RFM-сегментацию
• Оформите проект на GitHub с описанием задачи и SQL-запросами

Этап 8: Интеграция с другими инструментами (по желанию, 2–3 недели)

• SQL + Python: библиотеки psycopg2, SQLAlchemy, pandas
• SQL + Tableau/Power BI: создание дашбордов
• SQL + Jupyter Notebooks для аналитических отчётов

Общее время до уровня Middle: 4–6 месяцев при темпе 10–15 часов в неделю. Ключевой момент — регулярная практика. Лучше 30 минут каждый день, чем 5 часов раз в неделю.

Чек-лист Middle SQL-аналитика:

• Уверенно пишете SELECT, JOIN, GROUP BY без подсказок
• Используете оконные функции для сложных аналитических задач
• Применяете CTE для структурирования запросов
• Понимаете планы выполнения запросов (EXPLAIN)
• Создали 2–3 проекта с реальными данными
• Можете объяснить разницу между RANK, DENSE_RANK, ROW_NUMBER
• Решили 100+ задач на SQL-платформах

Заключение: практика, проекты, портфолио

SQL — инструмент, который раскрывается только через практику. Теория даёт основу, но уверенность приходит после сотен написанных запросов и десятков решённых аналитических задач.

Три принципа эффективного обучения SQL:

1. Практика важнее теории

Не застревайте в бесконечном изучении курсов. Освоили SELECT и WHERE? Сразу переходите к задачам на Stepik. Изучили JOIN? Решайте кейсы на SQL-EX. Мышечная память в программировании формируется через повторение.

2. Реальные проекты дают больше, чем учебные задачи

После базового уровня найдите открытый датасет (продажи, пользователи, транзакции) и постройте на его основе аналитический проект:

• Загрузите данные в PostgreSQL
• Сформулируйте 5–7 бизнес-вопросов
• Напишите SQL-запросы для ответов
• Оформите результаты в Jupyter Notebook или Google Colab
• Опубликуйте на GitHub

Это портфолио, которое покажет работодателю вашу способность решать реальные задачи.

3. Обратная связь ускоряет рост

Если учитесь самостоятельно, присоединяйтесь к сообществам: Телеграм-каналы по аналитике данных, форумы SQL.ru, Reddit r/SQL. Показывайте свои запросы, спрашивайте, как их улучшить. Платные курсы с менторами дают структурированную обратную связь, но её можно получить и бесплатно через комьюнити.

Следующие шаги после освоения SQL:

• Углубите знания одной СУБД: станьте экспертом PostgreSQL или MS SQL Server
• Изучите Python для аналитики: pandas, numpy, matplotlib — стандартный стек аналитика
• Освойте BI-инструменты: Tableau, Power BI, Metabase для визуализации
• Изучите Git: для версионирования SQL-скриптов и совместной работы
• Попробуйте работу с большими данными: Spark SQL, ClickHouse, BigQuery

SQL — это не финальная точка, а фундамент для карьеры в данных. С этим навыком вы можете развиваться в сторону data analyst, business intelligence analyst, analytics engineer, data engineer или даже data scientist.

Главное — начать. Установите DBeaver, подключитесь к тестовой базе, напишите первый SELECT. Через три месяца регулярной практики вы удивитесь, насколько далеко продвинулись.