> For the complete documentation index, see [llms.txt](https://cleyrop.gitbook.io/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://cleyrop.gitbook.io/docs/projet-data-and-ia/exploration-sql.md).

# Exploration SQL

L’onglet **Exploration SQL** vous permet d’effectuer des **analyses exploratoires** sur vos datasets à l’aide de requêtes SQL simples, sans créer immédiatement un Dataflow.

C’est un espace idéal pour tester des filtres, valider des jointures, ou préparer des transformations avant de les industrialiser.

***

## Exécuter une requête SQL

1. Sélectionnez le dataset sur lequel vous souhaitez travailler.
2. Rédigez votre requête SQL dans l’éditeur.
3. Cliquez sur Lancer la requête pour exécuter le script.

{% hint style="warning" %}
Si un mot réservé par SQL (ex. ORDER, TABLE, GROUP) est utilisé comme nom de colonne ou de dataset, vous devez les échapper avec des guillemets.\
Exemple : SELECT "order" FROM projet."table"
{% endhint %}

**Exemple:**

```sql
SELECT *
FROM "Aides Sociales"
WHERE codgeo = 1001;
```

### Consulter les résultats

Une fois la requête exécutée, le résultat s’affiche directement sous l’éditeur SQL.

Vous pouvez visualiser jusqu’à 200 lignes maximum issues du dataset interrogé.

Cela permet de valider rapidement vos filtres, agrégations ou jointures avant de passer à une étape de transformation plus complète.

{% hint style="info" %}
Les résultats ne modifient pas le dataset d’origine — il s’agit uniquement d’une vue temporaire.
{% endhint %}

### Transformer une requête en Dataflow

Une fois votre analyse validée, vous pouvez transformer votre requête SQL en un Dataflow complet pour l’intégrer à vos traitements de données.

1. Cliquez sur Transformer en Dataflow.
2. Une pop-up s’ouvre : saisissez le nom du Dataflow et du dataset de sortie.
3. Validez la création.<br>

La plateforme crée automatiquement :

* un nouveau Dataflow basé sur votre requête SQL,
* et un dataset de sortie contenant le résultat de la transformation.

***

## Bonnes pratiques

* Utilisez l’Exploration SQL pour tester rapidement vos logiques avant de les automatiser.
* Nommez vos Dataflows de manière explicite (ex. nettoyage\_aides\_sociales\_sql).
* Vérifiez la cohérence du schéma (types de colonnes) avant de publier vos datasets.