¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
SQL Ready | Базы Данных
Ir al canal en Telegram
Авторский канал про Базы Данных и SQL Ресурсы, гайды, задачи, шпаргалки. Информация ежедневно пополняется! Автор: @energy_it РКН: https://clck.ru/3QREBc Реклама на бирже: https://telega.in/c/sql_ready
Mostrar más📈 Análisis del canal de Telegram SQL Ready | Базы Данных
El canal SQL Ready | Базы Данных (@sql_ready) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 15 544 suscriptores, ocupando la posición 8 399 en la categoría Tecnologías y Aplicaciones y el puesto 43 153 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 15 544 suscriptores.
Según los últimos datos del 13 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 55, y en las últimas 24 horas de -4, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 11.74%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 6.25% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 826 visualizaciones. En el primer día suele acumular 971 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 22.
- Intereses temáticos: El contenido se centra en temas clave como sql, строка, user_id, created_at, desc.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Авторский канал про Базы Данных и SQL
Ресурсы, гайды, задачи, шпаргалки.
Информация ежедневно пополняется!
Автор: @energy_it
РКН: https://clck.ru/3QREBc
Реклама на бирже: https://telega.in/c/sql_ready”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 14 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 Tecnologías y Aplicaciones.
15 544
Suscriptores
-424 horas
-127 días
+5530 días
Archivo de publicaciones
15 544
Кросс-таблица для удобного анализа данных!
#новичкам
Создадим pivot-таблицу для повышения читаемости и визуализации данных о продажах в разных городах.
Предположим, что нам дали задание визуализировать продажи за последние 3 месяца. Исходная таблица
Sales имеет поля City, Month и Amount. Пусть строками будут города, столбцами — месяцы, а значениями — количество продаж:
SELECT
City,
SUM(CASE WHEN Month = 'Январь' THEN Amount ELSE 0 END) AS Январь,
SUM(CASE WHEN Month = 'Декабрь' THEN Amount ELSE 0 END) AS Декабрь,
SUM(CASE WHEN Month = 'Ноябрь' THEN Amount ELSE 0 END) AS Ноябрь
FROM SalesGROUP BY CityORDER BY City;City | Январь | Декабрь | Ноябрь -------------------+--------+---------+--------- Казань | 97986 | 129960 | 112784 Москва | 165678 | 246572 | 198880 Нижний Новгород | 112326 | 148901 | 136867 Новосибирск | 65920 | 92800 | 88965 Санкт-Петербург | 144569 | 213478 | 167450Теперь данные о продажах находятся в гораздо удобном для чтения и визуализации виде, используйте кросс-таблицы для практичного анализа данных! ➡️ SQL Ready | #практика
15 544
+1
🖥 Получаем доступ к соседним записям с помощью методов:
LAG и LEAD — методы оконных функций, которые применяются для сравнения записей:
•
LEAD — предоставляет доступ к записям следующим за текущей. Принимает текущую запись, значение смещения (в цифрах) и значение по умолчанию в случае отсутствия указанной записи.
• LAG — аналогично LEAD, но единственный момент, что он дает доступ к записям предыдущим текущей.
🔥 — если узнал новое
🤝 — если уже пользовался
➡️ SQL Ready | #метод15 544
+4
Нужно собрать клиентов, которые давно не делали покупок!
#новичкам
Сегодня мы разберемся, как несложные операции множеств помогут вам в решении подобных задач:
Операции множеств — операции объединения, пересечения и вычитания записей из разных таблиц и объединение в одну результирующую.
Основные функции:
• UNION — объединение записей по заданным условиям с удалением дубликатов. • INTERSECT — вывод только тех записей, которые есть в обоих таблицах. • EXCEPT — возвращает только те строки, которые присутствуют в первом запросе, но отсутствуют во втором.🔥 — если узнал новое 🤝 — если уже пользовался ➡️ SQL Ready | #ресурс
15 544
• infosec - это один из самых ламповых каналов по информационной безопасности, где говорят об истории ИТ, публикуют актуальные новости и пишут технический материал на разные темы:
- Что из себя представляет официально взломанный iPhone от Apple?
- К чему могла привести опечатка в инфраструктуре платёжной системы MasterCard?
- Авторский материал для ИБ специалистов с закрытого хакерского форума XSS;
- Бесплатный бот, который проверит файлы на предмет угроз более чем 70 антивирусами одновременно.
• А еще у нас часто проходят розыгрыши самых актуальных и новых книг для ИБ специалистов. Так что присоединяйся, у нас интересно!
15 544
codechef — платформа, на которой доступно множество языков программирования, задачи можно решать прямо в редакторе кода, а встроенный AI-ассистент поможет найти и исправить ошибку в коде.
📌 Ссылочка: codechef.com
➡️ SQL Ready | #ресурс
15 544
+4
🖥 Агрегатные функции SQL
В этой шпаргалке собраны 7 агрегатных функций, который позволяют выполнять вычисления на наборе значений и возвращать одно значение, что полезно для анализа данных и создания отчетов.
➡️ SQL Ready | #шпора15 544
💡 Лучшие Менторы выложили в открытый доступ свои базы знаний
10 000+ вопросов с собеседований и 1 000+ курсов и материалов по самым популярным направлениям:
👩💻 C# 🤖 ML Engineer
👩💻 C/C++ 🖥 Data Science
👩💻 Java 👩💻 Python
🖥 PHP 👩💻 Frontend
👣 Rust 👣 Golang
🖥 Ruby 👩💻 Node.js
👩💻 QA 👩💻 Android
👩💻 iOS 👩💻 Game Dev
💻 DevOps 🖥 Общее IT
📆 Митапы 👨💻 Вакансии
Всё, что нужно для подготовки к собеседованию — в одном месте!
💬 Выбирай направление и становись частью IT
15 544
👍 Еще одна интересная статья попалась мне на Хабре — подборка прикладных задач для аналитики данных
В этой статье:
• Работа с NULL и применение логики ветвления IF-THEN-ELSE
• Дедупликация данных
• Анализ истории со Slowly Changing Dimensions
🔊 Продолжить читать можешь на Habr!➡️ SQL Ready | #статья
15 544
Знали про StrataScratch? Это платформа по типу leetcode, но только для SQL
На этом сайте вы сможете выбрать задачи разного уровня и профиля, а также выбрать подходящую СУБД для практики.
📌 Ссылочка: stratascratch.com
➡️ SQL Ready | #ресурс
15 544
+1
🖥 Разберем два похожих метода для работы с разными типами данных
Как мы помним из викторины, чтобы не столкнуться с неожиданным результатом запроса, важно явно указать типы данных при взаимодействии разных типов. Для этого существуют методы:
•
CAST — преобразует указанное значение в заданный тип данных. Необходимо для преобразования строковых значений в числовые, чтобы их можно было сравнить.
• CONVERT — аналогичный метод преобразования данных, но предлагает расширенный функционал для форматирования, но поддерживается не всеми СУБД.
🔥 — если узнал новое
🤝 — если уже пользовался
➡️ SQL Ready | #метод15 544
«Вместо философии учил java, вместо доты — питон. Через 3 месяца нашёл работу с зп 90к»
Думаете, повезло?
Уверен, что так сможет каждый — потому что эти языки востребованы (70% программ и сервисов работают на них) и просты в усвоении (за 3 месяца можно выйти на достойный уровень без напряга).
А вот и каналы, где нашёл всю инфу. Её грамотно собрали, даже сложные темы изучаются легко:
Java (теория)
Java (практика)
Python
Уже через месяц сможете писать простеньких ботов для телеги и продавать по 5-7к, кайф же 🥰
15 544
😎 Нашел для вас незаконно полезную статью на Хабре, в которой автор делится своим опытом и хитростями в работе с БД и SQL.
В этой статье:
• Лайфхаки при работе с большими загрузками.
• В каком виде стоит загружать данные.
• Неочевидные советы при работе с индексами.
🔊 Продолжить читать можешь на Habr!➡️ SQL Ready | #статья
15 544
📥 7539 ГБ платного контента из онлайн-школ утекли в Telegram и теперь лежат в открытом доступе:
😡 Hacking & InfoSec (644 ГБ)
🖥 Python (724 ГБ)
🖥 Frontend (981 ГБ)
🖥 Backend (817 ГБ)
🖥 Все направления (4373 ГБ)
Вход открыт ровно на 48 часов 🕔
15 544
Почему неожиданно увеличилось время запроса?
Причин тому может быть много - неоптимизированный запрос, запрос вне индекса, устаревшая статистика таблицы и так далее. И точно определить причину помогут инструменты
EXPLAIN и ANALYZE.
Предположим, у нас есть большая таблица, которая содержит около миллиона строк с разными книгами. Естественно у нас уже есть некластерный индекс по столбцу жанр — для быстрого поиска книг по жанрам, сделаем запрос:
SELECT book_title, author FROM books WHERE genre = 'Фантастика';EXPLAIN ANALYZE SELECT book_title, author FROM books WHERE genre = 'Фантастика';EXPLAIN ANALYZE возвращает план запроса и время выполнения каждой операции в запросе:
QUERY PLAN Seq Scan on books (cost=0.00..25000.00 rows=1000 width=100) (actual time=0.010..900.000 rows=500 loops=1) Filter: (genre = 'Фантастика'::text) Rows Removed by Filter: 999500 Planning Time: 0.200 ms Execution Time: 900.500 ms (4 rows)Проанализируем план запроса и увидим, что планировщик запроса собирается обойти всю таблицу —
Seq Scan on books, хотя должен использовать индекс по жанру. Это значит, планировщик не использует индекс из-за устаревшей статистики или из-за быстрого роста записей в таблице.
🔥 В следующей части расскажу, что делать для обновления статистики таблицы и как избежать таких ситуаций с помощью VACUUM ANALYZE.
➡️ SQL Ready | #практика