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
Показати більше📈 Аналітичний огляд Telegram-каналу Data Analysis Books | Python | SQL | Excel | Artificial Intelligence | Power BI | Tableau | AI Resources
Канал Data Analysis Books | Python | SQL | Excel | Artificial Intelligence | Power BI | Tableau | AI Resources (@learndataanalysis) у мовному сегменті Англійська є активним учасником. На даний момент спільнота об'єднує 53 226 підписників, посідаючи 3 307 місце в категорії Освіта та 6 442 місце у регіоні Індія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 53 226 підписників.
За останніми даними від 14 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -123, а за останні 24 години на -15, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 5.60%. Протягом перших 24 годин після публікації контент зазвичай збирає N/A% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 2 979 переглядів. Протягом першої доби публікація в середньому набирає 0 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 5.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як analyst, |--, excel, visualization, analytic.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Data Analysis Useful Resources
#dataanalysis
#dataanalysisbooks
#sqlbooks
#pythonbooks
#tableau
#powerbi
#datavisualization
For promotions: @coderfun”
Завдяки високій частоті оновлень (останні дані отримано 15 листопада, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Освіта.
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