Data Analytics Projects - SQL, Excel, Tableau, Python & Power BI Interview Resources
Covering all technical and popular stuff about anything related to Data Science: AI, Big Data, Machine Learning, Statistics, general Math and the applications of former. Ads/ Promo: @love_data
Mostrar más📈 Análisis del canal de Telegram Data Analytics Projects - SQL, Excel, Tableau, Python & Power BI Interview Resources
El canal Data Analytics Projects - SQL, Excel, Tableau, Python & Power BI Interview Resources (@sqlproject) en el segmento lingüístico de Inglés es un actor destacado. Actualmente la comunidad reúne a 39 483 suscriptores, ocupando la posición 4 735 en la categoría Educación y el puesto 10 481 en la región India.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 39 483 suscriptores.
Según los últimos datos del 05 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 254, y en las últimas 24 horas de 18, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 2.49%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 0.86% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 982 visualizaciones. En el primer día suele acumular 339 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 3.
- Intereses temáticos: El contenido se centra en temas clave como analytic, dataset, visualization, sql, learning.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Covering all technical and popular stuff about anything related to Data Science: AI, Big Data, Machine Learning, Statistics, general Math and the applications of former.
Ads/ Promo: @love_data”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 06 junio, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Educación.
COALESCE or IS NULL checks
3️⃣ Wrong JOIN Type
• INNER instead of LEFT
• Data silently disappears
• Always ask: Do you need unmatched rows?
4️⃣ Missing JOIN Conditions
• Creates cartesian product
• Rows explode
• Always join on keys
5️⃣ Filtering After JOIN Instead of Before
• Processes more rows than needed
• Slower performance
• Filter early using WHERE or subqueries
6️⃣ Using WHERE Instead of HAVING
• WHERE filters rows
• HAVING filters groups
• Aggregates fail without HAVING
7️⃣ Not Using Indexes
• Full table scans
• Slow dashboards
• Index columns used in JOIN, WHERE, ORDER BY
8️⃣ Relying on ORDER BY in Subqueries
• Order not guaranteed
• Results change
• Use ORDER BY only in final query
9️⃣ Mixing Data Types
• Implicit conversions
• Index not used
• Match column data types
🔟 No Query Validation
• Results look right but are wrong
• Always cross-check counts and totals
🧠 Practice Task
• Rewrite one query
• Remove SELECT *
• Add proper JOIN
• Handle NULLs
• Compare result count
SQL Resources: https://whatsapp.com/channel/0029VanC5rODzgT6TiTGoa1v
❤️ Double Tap For MoreSELECT MAX(salary)
FROM employees
WHERE salary < (SELECT MAX(salary) FROM employees);
2️⃣ List employees who earn more than the average salary.
SELECT name, salary
FROM employees
WHERE salary > (SELECT AVG(salary) FROM employees);
3️⃣ Show department-wise highest paid employee.
SELECT department, name, salary
FROM (
SELECT *,
RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS rnk
FROM employees
) AS ranked
WHERE rnk = 1;
4️⃣ Display total sales made by each employee in 2023.
SELECT emp_id, SUM(amount) AS total_sales
FROM sales
WHERE YEAR(sale_date) = 2023
GROUP BY emp_id;
5️⃣ Retrieve products with price above average in their category.
SELECT p.name, p.category, p.price
FROM products p
WHERE price > (
SELECT AVG(price)
FROM products
WHERE category = p.category
);
6️⃣ Identify duplicate emails in the users table.
SELECT email, COUNT(*)
FROM users
GROUP BY email
HAVING COUNT(*) > 1;
7️⃣ Rank customers based on total purchase amount.
SELECT customer_id,
SUM(amount) AS total_spent,
RANK() OVER (ORDER BY SUM(amount) DESC) AS rank
FROM orders
GROUP BY customer_id;
💬 Double Tap ❤️ For More!
¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
