ozcankaraa / pl-sql_project

PL/SQL , T-Sql, Amazon Web Services , Microsoft Power BI

PL/SQL - AMAZON WEB SERVICES PROJECT

---

KURULUM :

1- AWS Hesabı oluşturma

2- PostgreSQL Veritabanı Oluşturun a. IP adresinizi yarattiginiz PostgreSQL in Inbound Rule kismina ekleyin(Security Group)

3- Power BI Masaüstü uygulamasını yükleyin a. PostgreSQL veritabanına bağlanabilmek için connection string i yeni PostgreSQL baglantisina ekleyin b. Aldigini baglanti hatasi icin güvenlik Encrypted connection check box ini kaldirin

4- AWS Hesabinizda bir S3 bucket olusturun a. test_market_utf_full.csv dosyasini Google Drive dan download edip, kendi S3 bucket iniza yukleyin

PROJE :

1- PostgreSQL'de yeni bir proje kullanıcısı oluşturun ve bu kullanıcıyı projeniz için şema olarak kullanmaya başlayın.

a. test_market_utf_full.csv dosyasını analiz edin ve yarattiginiz kullanicinin semasini kullanarak market_sales_master adinda bir tablo oluşturun. Tablo her satira uygun veri tipleri kullanmalidir, Varchar, Date, TimeStamp, Numeric gibi.

3- AWS S3 Import Utility sini kullanarak test_market_utf_full.csv dosyasındaki verieri PostgreSQL'deki market_salesu_master tablosuna yükleyin. Gerekli komurlar:

1-) CREATE EXTENSION IF NOT EXISTS aws_s3 CASCADE; ##Bu komut aws_s3 extension i yaratmak icin kullanilir.

2-) SELECT aws_s3.table_import_from_s3( 'market_sales_master', '', '(FORMAT CSV, HEADER true)', 'sqlcoursebucket', 'test_market_utf_full.csv', 'eu�west-3'); –- degisiklik olarak sadece 'sqlcoursebucket' parametresini sizin kendi bucket isminizle degistirin. Eger eu-west-3 den farkli bir region kullandiysaniz onu da degistirmeniz gerekir. Dosya ismi ve tablo ismi de yine select icerisinde, farkli isim kullanirsaniz bu query I de degistirmeniz gerekir.

4- Market_sales tablosunu kullanarak aşağıdaki FACT ve DIMENSION tablolarını oluşturun (bunun neden avantajlı olduğunu açıklayın)

a. FACT Tablosu: i. sales (id, itemcode, ficheno, amount, price, linenettotal, linenet, branchnr, salesman, clientcode, brandcode, startdate, enddate)

b. DIMENSION tabloları: i. item (itemcode, itemname, category_name1, category_name2, category_name3) ii. branch (branchnr, branch, city, region, latitude, longitude) iii. client (clientcode, clientname, gender) iv. brand (brandcode, brand)

5- 'market_sales_master' tablosunu kaynak olarak kullanarak, fact ve dimension tablolarına verileri yükleyin

6- sales tablosu uzerinde id, itemcode ve salesman uzerinden ayri ayri indexler olusturun.

a.Bonus Puan : Olusturdugunuz indexleri bir JOIN icinde kullanip, explain analyze querysi ile nasil bir avantaj yarattigini gosterin.

7- Fact ve Dimension tablolarını Joinleyerek aşağıdaki view lari yaratin.

a. Bölgeye göre toplam satış miktarı (region, toplam_satis_miktari)

b. En çok satan ürünler (itemname, satilan_urun_sayisi)

c. Satış temsilcisi performansı (salesman,region, toplam_satis)

8- Fact ve Dimension tablolarinizi Power BI Masaüstü uygulamasınin Data Source kismina indirin.

9- Power BI uzerinde Fact ve Dimension tablolarinizi Joinleyerek

a. Magazalarin lokasyonlarini latitude ve longitude kolonalari uzerinden Power BI Map gorseli ile gosterin.

b. En cok satan Marka(brand) ve Urunleri (category_name1) pie chart ile gosterin

c. Bir visual uzerinden en cok satan category_name1, bir alt seviyeye inildiginde en cok satan category_name2 bir sonraki adimda ise en cok satan category_name3 urunlerini gosteriniz.

d. En cok satis yapan satis temsilcilerini ve linenettotal uzerinden toplam satis degerlerini gosteren ‘clustered bar chart’grafigi olusturun

e. Aya gore linenettotal alani uzerinden ‘pie chart grafigi’ olusturup hangi ayda ne kadar satilmis gosterin. Not: Veri setimizde (csv dosyasinda) sadece Ocak, Subat ve Mart aylarinin verisi mevcut.