Data Analysis Books | Python | SQL | Excel | Artificial Intelligence | Power BI | Tableau | AI Resources
Data Analysis Useful Resources #dataanalysis #dataanalysisbooks #sqlbooks #pythonbooks #tableau #powerbi #datavisualization For promotions: @coderfun
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام Data Analysis Books | Python | SQL | Excel | Artificial Intelligence | Power BI | Tableau | AI Resources
تُعد قناة Data Analysis Books | Python | SQL | Excel | Artificial Intelligence | Power BI | Tableau | AI Resources (@learndataanalysis) في القطاع اللغوي الإنكليزية لاعباً نشطاً. يضم المجتمع حالياً 53 226 مشتركاً، محتلاً المرتبة 3 307 في فئة التعليم والمرتبة 6 442 في منطقة الهند.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 53 226 مشتركاً.
بحسب آخر البيانات بتاريخ 14 نوفمبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -123، وفي آخر 24 ساعة بمقدار -15، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 5.60%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً N/A% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 2 979 مشاهدة. وخلال اليوم الأول يجمع عادةً 0 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 5.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل analyst, |--, excel, visualization, analytic.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Data Analysis Useful Resources
#dataanalysis
#dataanalysisbooks
#sqlbooks
#pythonbooks
#tableau
#powerbi
#datavisualization
For promotions: @coderfun”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 15 نوفمبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التعليم.
orders table with the following columns:
driver_id
order_time
delivered_time
Write an SQL query to calculate the average waiting/delivery time (in minutes) for each delivery partner.
✅ SQL Solution (MySQL)
SELECT
driver_id,
AVG(TIMESTAMPDIFF(MINUTE, order_time, delivered_time)) AS avg_delivery_time
FROM orders
GROUP BY driver_id;
💡 Approach:
• Calculate the time difference between order_time and delivered_time.
• Convert the difference into minutes using TIMESTAMPDIFF().
• Group records by driver_id.
• Use AVG() to find the average delivery time for each delivery partner.
📚 Concepts Tested:
• Date & Time Functions
• GROUP BY
• Aggregate Functions (AVG)
• Business Metrics
React ♥️ for more real interview questions