SQL·빅데이터 문제 55개

실제 Postgres 데이터베이스로 채점하는 SQL 문제입니다. 집계, 조인, 서브쿼리, 윈도 함수, 코호트 리텐션, 세션 나누기, 퍼널 분석까지 다룹니다.

• 회원 수 세기 — J1 · 빅데이터 · SQL
• 결제 총액 — J1 · 빅데이터 · SQL
• 최고 주문 금액 — J1 · 빅데이터 · SQL
• 김씨 회원 수 — J2 · 빅데이터 · SQL
• 3월 가입자 명단 — J2 · 빅데이터 · SQL
• pro 회원 목록 — J3 · 빅데이터 · SQL
• 지역 목록 — J3 · 빅데이터 · SQL
• 대구·광주 team 회원 — J4 · 빅데이터 · SQL
• 요금제별 회원 수 — J4 · 빅데이터 · SQL
• 큰 주문 세기 — J5 · 빅데이터 · SQL
• 결제한 회원 수 — J5 · 빅데이터 · SQL
• 금액 구간별 주문 수 — J6 · 빅데이터 · SQL
• 흔한 성씨 — J6 · 빅데이터 · SQL
• 요일별 결제 건수 — J7 · 빅데이터 · SQL
• 지역별 평균 결제액 — J7 · 빅데이터 · SQL
• 지역·요금제 교차 집계 — J8 · 빅데이터 · SQL
• 광주 회원의 결제 건수 — J8 · 빅데이터 · SQL
• 가장 큰 주문 5건 — J9 · 빅데이터 · SQL
• 가입 30일 안의 결제 — J9 · 빅데이터 · SQL
• 평균보다 큰 결제 — J10 · 빅데이터 · SQL
• 월별 신규 가입자 — J10 · 빅데이터 · SQL
• 주문이 없는 회원 — D1 · 빅데이터 · SQL
• 환불 경험 회원의 지역 — D1 · 빅데이터 · SQL
• 2026년 결제가 없는 회원 — D2 · 빅데이터 · SQL
• 지역별 결제·환불 건수 — D2 · 빅데이터 · SQL
• 2025년 월별 매출 — D3 · 빅데이터 · SQL
• 전월 대비 매출 증감 — D3 · 빅데이터 · SQL
• 결제 횟수 3위까지 — D4 · 빅데이터 · SQL
• 지역별 매출 비중 — D4 · 빅데이터 · SQL
• 회원이 많은 지역 — D5 · 빅데이터 · SQL
• 요금제별 1인당 결제액 — D5 · 빅데이터 · SQL
• 지역별 결제와 방문 — D6 · 빅데이터 · SQL
• 결제액 4분위 그룹 — D6 · 빅데이터 · SQL
• 두 번째 주문 — D7 · 빅데이터 · SQL
• 요금제별 결제액 중앙값 — D7 · 빅데이터 · SQL
• 같은 날 같은 지역 가입 — D8 · 빅데이터 · SQL
• 3개월 이동 평균 매출 — D8 · 빅데이터 · SQL
• 지역별 큰손 두 명 — L1 · 빅데이터 · SQL
• 상위 5% 큰손 — L1 · 빅데이터 · SQL
• 빈 날까지 채운 일별 매출 — L2 · 빅데이터 · SQL
• 상반기 전년 동월 대비 — L2 · 빅데이터 · SQL
• 1월 누적 매출 — L3 · 빅데이터 · SQL
• 가장 긴 연속 결제 개월 — L4 · 빅데이터 · SQL
• 지역별 최다 주문 달 — L4 · 빅데이터 · SQL
• 7일 재방문율 — L5 · 빅데이터 · SQL
• 이벤트 전이 횟수 — L6 · 빅데이터 · SQL
• 오랜 공백 뒤 돌아온 회원 — L6 · 빅데이터 · SQL
• 세션 나누기 — M1 · 빅데이터 · SQL
• 가입 코호트 재결제 — M2 · 빅데이터 · SQL
• 사흘 넘게 이어진 방문 — M3 · 빅데이터 · SQL
• 구매가 일어난 세션 비율 — M4 · 빅데이터 · SQL
• 구매 퍼널 — M5 · 빅데이터 · SQL
• 매출 절반을 만드는 회원 — M6 · 빅데이터 · SQL
• 최근 7일 방문자 추이 — E2 · 빅데이터 · SQL
• 세션 안의 구매 퍼널 — E4 · 빅데이터 · SQL