SQL Popkultur-Datensätze: Übung mit Filmen, Musik und Sport

Warum sollten Sie sich mit Rechnungen und Auftragstabellen begnügen, wenn Sie auch Oscars, Spotify-Hits oder NBA-Statistiken abfragen können? Mit Datensätzen aus der Popkultur macht das Üben von SQL Spaß, ist fesselnd und erstaunlich effektiv.

Wollten Sie schon immer mit SQL herausfinden, welcher Schauspieler die meisten Oscars gewonnen hat, welcher Künstler in dem Jahr, in dem Sie Ihren Abschluss gemacht haben, die Charts angeführt hat oder welches Land den olympischen Medaillenspiegel anführt? Gute Nachrichten: Sie können es.

Die meisten Anfänger lernen SQL durch die Analyse von Kunden, Aufträgen und Rechnungen. Das ist nützlich, aber seien wir ehrlich - es ist nicht immer aufregend. Wenn Sie beim Lernen motiviert bleiben wollen, brauchen Sie Datensätze, die Spaß machen und auf die man sich beziehen kann. Hier kommt die Popkultur ins Spiel. Filme, Musik und Sport sind vollgepackt mit Daten, und die Abfrage dieser Daten ist eine perfekte Möglichkeit, echte SQL-Kenntnisse zu erwerben und gleichzeitig die Dinge interessant zu halten.

Wenn Sie gerade erst anfangen - oder wenn Sie eine Auffrischung brauchen - beginnen Sie mit dem Kurs SQL für Anfänger auf LearnSQL.de. Unsere SQL-Kurse sind vollständig interaktiv: Sie schreiben Abfragen, führen sie in echten Datenbanken aus und erhalten sofortiges Feedback. Wir bieten sowohl Kurse für Anfänger als auch für Fortgeschrittene an, so dass auch erfahrene Datenanalysten etwas finden werden, um ihre Fähigkeiten zu erweitern.

In diesem Artikel zeigen wir Ihnen, wie Sie SQL anhand von Datensätzen aus der Popkultur üben können. Wir sehen uns Beispiele aus Filmen, Liedern und Sport an und zeigen Ihnen, wie sie mit den Konzepten zusammenhängen, die Sie in unseren Kursen lernen werden.

🎬 Filme: Fragen Sie Ihre Lieblingsfilme ab

Filme sind nicht nur Unterhaltung, sondern auch eine wahre Fundgrube für Daten. Besetzungslisten, Erscheinungsdaten, Budgets, Einspielergebnisse, Genres, Bewertungen... all das passt in eine Datenbank.

Ideen für Datensätze

• IMDB-Datensatz - Dieser umfangreiche Datensatz wird von IMDb verwaltet und enthält Titel, Besetzung, Crew, Erscheinungsjahre, Bewertungen und mehr. Sie ist eine der am häufigsten genutzten Quellen für filmbezogene Daten.
• Die Filmdatenbank (TMDb) - Eine offene, von der Community betriebene Datenbank mit detaillierten Metadaten zu Filmen und Fernsehsendungen. Beliebt für ihre API und ihren aktuellen Inhalt.
• Kaggle Top 500 Popular Movies - Kuratierte Filmdatensätze auf Kaggle, wie Top 500 Popular Movies, bieten saubere, gebrauchsfertige Teilmengen beliebter Filme.
• Netflix-Sendungen (Kaggle) - Aus Netflix-Katalogen zusammengestellte Datensätze, die oft von Forschern gesammelt oder geteilt werden und Titel, Genres, Erscheinungsjahre und Regionen abdecken.
• Ihr eigenes Netflix Wrapped- Exportieren Sie Ihre persönliche Netflix-Sehgeschichte, um Ihre Sehgewohnheiten zu analysieren. Ideal für personalisierte SQL-Übungen.
• Oscars (Kaggle) - Historische Daten zu den Academy Awards, einschließlich Gewinner, Nominierte, Kategorien und Jahre. Nützlich für Abfragen zu Erfolgen und Trends im Kino.

Ideen für die Praxis

• Welcher Schauspieler hat in den meisten Oscar-prämierten Filmen mitgespielt?
• Welches war der erfolgreichste Film im Jahr 2010?
• Welcher Regisseur hat die höchste durchschnittliche IMDB-Bewertung?
• Wie viele Filme hatten in den letzten 20 Jahren ein Budget von mehr als 100 Mio. $, erreichten aber nicht die Gewinnzone?

SQL-Konzepte, die Sie üben werden

• JOINs (z. B. Schauspieler mit Filmen verknüpfen)
• Sortieren mit ORDER BY (z. B. Auflistung der Filme mit den höchsten Einschaltquoten oder den größten Kassenerfolgen)
• Aggregate wie COUNT, AVG, MAX, SUM (z. B. Filme pro Regisseur zählen, die durchschnittliche Bewertung pro Jahrzehnt ermitteln oder das gesamte Einspielergebnis pro Studio berechnen)

👉 Dies ist genau die Art von Übung, die Sie in unserem SQL für Anfänger Kurs erhalten. Anstelle von Filmstars werden Sie strukturierte Geschäftsdaten abfragen, aber die Kenntnisse lassen sich direkt übertragen.

🎵Musik: Analysieren Sie die Charts

Musikdaten gibt es überall: Charts, Wiedergabelisten, Streaming-Statistiken, sogar Liedtexte. Wenn Sie neugierig auf Trends sind, können Sie mit SQL faszinierende Einblicke gewinnen.

Ideen für den Datensatz

• Billboard Hot 100 & mehr - Chartdaten, die wöchentliche Ranglisten der Top-Songs mit Künstlern, Veröffentlichungsjahren und Leistung in den Charts erfassen. Perfekt für die Untersuchung von Popularitätstrends im Laufe der Zeit.
• Spotify Tracks-Datensatz (Kaggle) - Ein großer Datensatz mit Audiomerkmalen (Tempo, Tanzbarkeit, Energie, Wertigkeit), Trackdetails, Interpreten und Beliebtheitswerten. Er wurde von Kaggle-Mitarbeitern aus der Spotify-API zusammengestellt und wird häufig für die Analyse von Hörtrends und Musikeigenschaften verwendet.
• Erstellen Sie Ihr eigenes Spotify Wrapped mit SQL - Ein praktischer Leitfaden, der Ihnen zeigt, wie Sie Ihre persönliche Spotify-Historie exportieren und mit SQL abfragen können. Ideal für die Erstellung eigener Erkenntnisse im "Wrapped"-Stil.
• Grammy-Verleihung (Kaggle) - Enthält Nominierte und Gewinner von 1965 bis 2024, einschließlich Kategorien, Künstler, Songs und Alben. Dieser von der Kaggle-Community erstellte Datensatz ist beliebt, um die Geschichte der Auszeichnungen und den Erfolg von Künstlern über Jahrzehnte hinweg zu untersuchen.
• Top-Klassik-Komponisten (Kaggle) - Ein kuratierter Datensatz von klassischen Komponisten mit Metadaten wie Namen, Epochen und Ländern. Eine einfache, aber effektive Ressource für die Analyse der Musikgeschichte mittels SQL.
• MusicNet (Kaggle) - Enthält 330 klassische Aufnahmen mit über einer Million Etiketten, die jede Note und jedes Instrument markieren. Ursprünglich für die Forschung freigegeben, ist es einer der umfangreichsten klassischen Datensätze, der es ermöglicht, die musikalische Struktur zu analysieren und Komponisten im Detail zu vergleichen.

Ideen für die Praxis

• Wer war der meistgestreamte Künstler im Jahr 2020?
• Wie haben sich die Songlängen im Laufe der Jahrzehnte verändert?
• Welches Jahrzehnt brachte die meisten Billboard #1-Hits hervor?
• Welche Künstler tauchen Jahr für Jahr immer wieder in den Top 10 auf?
• Wer hält den Rekord für die meisten Grammy-Nominierungen ohne einen Gewinn?
• Welche klassischen Komponisten lebten am längsten, und wie viele Werke werden ihnen zugeschrieben?

SQL-Konzepte, die Sie üben werden

• GROUP BY und Aggregatfunktionen (z. B. Zählen der Charteinträge pro Künstler oder Ermittlung der durchschnittlichen Songlänge nach Jahrzehnt)
• Filtern mit WHERE (z. B. die Ergebnisse auf Songs aus den 1990er Jahren oder nur auf Grammy-Gewinner beschränken)
• Arbeiten mit Daten (z. B. Vergleich der Chart-Performance nach Jahrzehnt oder Verfolgung der Streaming-Spitzenwerte nach Jahr)

👉 Wenn Sie GROUP BY verwirrend finden, können Sie unsere SQL GROUP BY Praxis Kurs viele praktische Übungen, die Ihnen Sicherheit geben. Anhand einer Vielzahl realer Datensätze üben Sie das Gruppieren und Aggregieren von Daten, bis es Ihnen zur zweiten Natur wird.

🏀 Sport: Statistiken, die eine Geschichte erzählen

Sportfans wissen, dass Statistiken einen Teil des Spaßes ausmachen. Punkte, Tore, Medaillen, Siege, Niederlagen - sie alle werden in strukturierten Datenbanken gespeichert. Das macht sie perfekt für SQL-Übungen.

Datensätze Ideen

• 120 Jahre olympische Geschichte (Kaggle) - Umfasst olympische Athleten und Ergebnisse von 1896 bis 2016. Enthält demografische Daten der Athleten, Veranstaltungen, Medaillen und Länderstatistiken. Weit verbreitet für historische und Trendanalysen.
• FIFA Fußball-Weltmeisterschaft (GitHub) - Ein strukturierter Datensatz mit Spielen, Mannschaften, Turnieren, Toren und Ergebnissen von Weltmeisterschaften. Erstellt vom Sportwissenschaftler Jeffrey Fjelstul, beliebt für die Analyse der Fußballgeschichte.
• NBA-Datensatz (Kaggle) - Umfassende NBA-Daten mit Spielen, Mannschaften, Spielern und Spielberichten über Jahrzehnte hinweg. Hervorragend geeignet, um Spielerkarrieren, Teamerfolge und Saisonleistungen zu vergleichen.
• NFL - nflfastR - Öffentliche Play-by-Play-Daten der NFL ab 1999. Enthält erweiterte Statistiken wie erwartete Punkte und Gewinnwahrscheinlichkeit. Die Daten sind im CSV/Parquet-Format verfügbar, das in der Sportanalytik weit verbreitet ist.
• Baseball - pybaseball (GitHub) - Eine Python-Bibliothek, die MLB-Daten aus offiziellen und halboffiziellen Quellen wie Baseball Savant und FanGraphs abruft. Bietet Statistiken auf Spiel-, Saison- und Spielfeldebene.

Ideen für die Praxis

• Welcher NBA-Spieler hat in den 1990er Jahren die meisten Punkte erzielt?
• Wer hält den Rekord für die meisten Tore bei einer Fußballweltmeisterschaft?
• Welches Land ist das Land mit den meisten olympischen Goldmedaillen?
• Wie hat sich die durchschnittliche Anzahl der Tore pro Spiel bei verschiedenen Turnieren verändert?

SQL-Konzepte, die Sie üben werden

• Ranglistenabfragen (z. B. Suche nach Torschützenkönigen oder Medaillengewinnern)
• Filterung mit mehreren Bedingungen (z. B. Konzentration auf bestimmte Saisons oder Turniere)
• Aggregate mit Bedingungen (z. B. Berechnung der durchschnittlichen Tore pro Spiel oder der Punkte pro Spiel)

👉 Bei Sportdaten dreht sich alles um Ranglisten, Durchschnittswerte und saisonübergreifende Vergleiche. Genau das lernst du in unserem Erstellen einfacher SQL-Berichte Kurs lernen - wie man rohe Statistiken in klare, strukturierte Berichte verwandelt.

🎨 Kunst: Formen des Ausdrucks

Bei Kunst geht es nicht nur um Galerien und Ausstellungen, sondern auch um Daten, die darauf warten, erforscht zu werden. Museen und Forscher auf der ganzen Welt veröffentlichen strukturierte Sammlungen mit Informationen über Künstler, Kunstwerke, Stile und Bewegungen. Mit SQL können Sie Muster in der Kreativität aufdecken, Epochen vergleichen und sogar verfolgen, wie sich bestimmte künstlerische Trends im Laufe der Zeit weiterentwickeln.

Ideen für den Datensatz

• MoMA Collectiont - Der offene Datensatz des Museum of Modern Art, der Metadaten zu mehr als 130 000 Kunstwerken enthält: Künstler, Titel, Medien, Daten und Klassifizierungen. Ideal für die Erkundung moderner und zeitgenössischer Kunst.
• Kunstbilder (Kaggle) - Ein Datensatz mit ~9.000 Bildern von Kunstwerken in Kategorien wie Zeichnungen, Gemälde, Skulpturen und Stiche. Enthält Kennzeichnungen für die Art des Werks, nützlich für die Klassifizierung und Erkundung.
• Whitney Museum Open Access - Metadaten zu Künstlern, Kunstwerken und Ausstellungen des Whitney Museum of American Art. Sie werden regelmäßig aktualisiert und sind eine zuverlässige Quelle für die Analyse der amerikanischen Kunstgeschichte.
• Die besten Kunstwerke aller Zeiten (Kaggle) - Ein kuratierter Datensatz mit Werken von 50 berühmten Malern, einschließlich Künstlernamen, Stilen und Bilddetails. Hervorragend geeignet für den Vergleich einzelner Künstler oder die Untersuchung von Bewegungen über Jahrhunderte hinweg.

Ideen für die Praxis

• Welcher Künstler hat die größte Anzahl von Werken in der MoMA-Sammlung?
• Wie unterscheiden sich die Medien (Öl, Acryl, Skulptur usw.) in den verschiedenen Jahrzehnten?
• Welche Kunstrichtungen sind im Whitney-Datensatz am stärksten vertreten?
• Welche der "besten Kunstwerke aller Zeiten" sind am häufigsten vertreten, und in welchen Stilkategorien?
• Vergleichen Sie die Überschneidungen zwischen MoMA und Whitney - sind bestimmte Künstler in beiden Museen vertreten?

SQL-Konzepte, die Sie üben werden

• Filtern und Gruppieren (z. B. Werke nach Künstler, Medium oder Jahrzehnt)
• JOINs (z. B. Verknüpfung von Kunstwerken mit Ausstellungen oder Künstlern)
• Aggregate wie COUNT und DISTINCT (z. B. die Anzahl der Werke pro Stil oder Bewegung)
• Sortierung und Rangfolge (z. B. Top 10 der produktivsten Maler in einer Sammlung)

👉 Möchten Sie mit echten Daten üben? Probieren Sie unsere SQL-Praxis Datenbanken. Hier finden Sie Datensätze wie MoMA und Athletics Finals, die zur freien Erkundung gedacht sind. So können Sie Ihre eigenen Abfragen schreiben und Erkenntnisse gewinnen, ohne an vordefinierte Übungen gebunden zu sein.

🎮 Videospiele: Spielen Sie mit den Daten

Videospiele machen nicht nur Spaß, sondern erzeugen auch riesige Mengen an strukturierten Daten. Von Verkaufszahlen und Rezensionen bis hin zu Esports-Turnieren und Brettspielbewertungen - mit diesen Datensätzen können Sie Trends in den Bereichen Unterhaltung, Wettbewerb und Kultur untersuchen. Mit SQL können Sie herausfinden, was ein erfolgreiches Spiel ausmacht, wie sich Genres entwickeln oder welche Spieler und Teams die esports-Szene dominieren.

Ideen für Datensätze

• Verkäufe von Videospielen (Kaggle) - Enthält Verkaufsdaten für über 16.000 Videospiele. Zu den Spalten gehören Name, Plattform, Jahr, Genre, Herausgeber und globale/regionale Verkäufe. Ideal zum Üben von GROUP BY-, JOIN- und Aggregatfunktionen.
• Steam-Spiele-Datensatz (Kaggle) - Umfasst den umfangreichen Spielekatalog von Steam. Enthält Titel, Veröffentlichungsdatum, Entwickler, Genre, Tags, Preis und Bewertungen. Hervorragend geeignet für Filterung, Textsuche und Trendanalyse.
• Esports-Einnahmen (Kaggle) - Daten auf Turnierebene mit Preisgeldern, Spielern und Teams. Nützlich für hierarchische Abfragen, Ranglisten und die Erforschung von Leistungstrends bei wettbewerbsorientierten Spielen.
• Brettspiele (Kaggle) - Daten von BoardGameGeek mit Rezensionen, Bewertungen und Kategorien. Hervorragend geeignet zum Üben von Verknüpfungen zwischen Rezensionen, Kategorien und Bewertungen.

Ideen für die Praxis

• Welche Videospielplattform hatte in den 2000er Jahren weltweit die höchsten Verkaufszahlen?
• Welche Steam-Entwickler haben die meisten Spiele veröffentlicht, und wie sehen ihre durchschnittlichen Bewertungen aus?
• Wer sind die Top 10 der esports-Spieler nach Gesamteinnahmen, und welche Spiele dominieren die Preisgelder?
• Welche Brettspielkategorien haben die höchsten Durchschnittsbewertungen, und unterscheiden sie sich von den am meisten bewerteten?
• Wie hat sich die Beliebtheit von Spielgenres in den letzten drei Jahrzehnten verändert?

SQL-Konzepte, die Sie üben werden

• Gruppieren und Aggregieren (z. B. Verkäufe nach Plattform oder Genre)
• JOINs (z. B. Verknüpfung von Rezensionen mit Brettspielkategorien)
• Ranglisten mit ORDER BY (z. B. die meistverkauften Spiele oder die bestverdienenden esports-Spieler)
• Filterung und Textsuche (z. B. Spiele mit "Adventure" im Titel oder in den Tags)

👉 Bei Spielen dreht sich alles um Ranglisten und Bestenlisten - und genau da kommen die Fensterfunktionen ins Spiel. In unserem Fensterfunktionen Kurs lernen Sie, wie Sie Daten im Zeitverlauf bewerten, vergleichen und analysieren können, genau wie bei der Verfolgung von Top-Spielern oder Bestsellern.

🗂️ Laden eines CSV-Datensatzes in eine Datenbank

Die meisten Datensätze, die wir uns angesehen haben, liegen im CSV-Format vor. Um SQL zu üben, müssen Sie sie normalerweise in ein Datenbanksystem wie PostgreSQL, MySQL oder SQLite laden. Hier ist der allgemeine Ablauf:

1. Wählen Sie Ihre Datenbank
   • SQLite - die einfachste Variante; speichert alles in einer einzigen Datei.
   • PostgreSQL / MySQL - leistungsfähiger, gut, wenn Sie mit größeren Datenmengen oder mehreren Tabellen arbeiten wollen.
2. Erstellen Sie eine Tabelle
   Erstellen Sie eine Tabelle, die der Struktur Ihrer CSV-Datei entspricht. Zum Beispiel, wenn Ihre CSV-Datei Spalten hat: Name, Platform, Year, Genre, Sales, könnte Ihre Tabelle in PostgreSQL wie folgt aussehen:

CREATE TABLE videogames (
    name TEXT,
    platform TEXT,
    year INT,
    genre TEXT,
    sales NUMERIC
);

3. Importieren Sie die CSV

• In PostgreSQL:

COPY videogames(name, platform, year, genre, sales)
FROM '/path/to/videogames.csv'
DELIMITER ','
CSV HEADER;

• In MySQL:

LOAD DATA INFILE '/path/to/videogames.csv'
INTO TABLE videogames
FIELDS TERMINATED BY ','
IGNORE 1 ROWS;

• In SQLite (über die Befehlszeile):

sqlite3 mydatabase.db
.mode csv
.import videogames.csv videogames

4. Starten Sie die Abfrage
   Sobald die Tabelle geladen ist, können Sie Ihre SQL-Abfragen wie gewohnt ausführen:

SELECT genre, AVG(sales) 
FROM videogames
GROUP BY genre
ORDER BY AVG(sales) DESC;

👉 Wenn Sie sich nicht mit der Datenbankeinrichtung befassen wollen, können Sie auch die LearnSQL.de SQL-Übungsdatenbanken. Sie sind direkt in Ihrem Browser abfragbar, eine Installation ist nicht erforderlich.

Vom Spaß zum Profi

SQL anhand von Filmen, Musik, Sport oder Spielen zu üben, ist eine gute Möglichkeit, motiviert zu bleiben. Aber der wirkliche Nutzen entsteht, wenn Sie diese Fähigkeiten auf Ihre Karriere übertragen. Sobald Sie Filter, JOINs und Aggregate in spielerischen Datensätzen beherrschen, sind Sie bereit, Kundendaten, Vertriebsberichte oder Marketinganalysen bei der Arbeit zu analysieren.

Wenn Sie diese Fähigkeiten auf strukturierte Weise erwerben möchten, ohne selbst Zeit mit der Suche nach Datensätzen zu verbringen, können Sie das Alle für immer SQL-Paket ist die beste Wahl. Es gibt Ihnen lebenslangen Zugang zu allen LearnSQL.de Kursen, von den Grundlagen bis hin zu fortgeschrittenen Themen wie Fensterfunktionen, Berichte und Unterabfragen. Sie üben SQL interaktiv mit echten Daten, erhalten sofortiges Feedback und gewinnen die Sicherheit, jeden Datensatz abzufragen - egal, ob es sich um Kassenschlager, Spotify-Charts oder die Datenbank Ihres Unternehmens handelt.

👉 Sind Sie bereit, den Sprung von der Popkultur zur professionellen Analyse zu schaffen? Das Alle für immer SQL-Paket bietet alles, was Sie brauchen, um SQL ein für alle Mal zu beherrschen.