Nivel 1 · Revisión de la temporada navideña en SQL

Cómo lee un analista este ticket

El mensaje de Megan contiene tres preguntas sobre tres cortes distintos de los datos: tiempo, categoría y canal. Antes de escribir una sola línea de SQL, fija la definición que comparten las tres, porque una revisión en la que el total mensual y el total por categoría no coinciden es peor que no tener revisión:

• Ingresos = ingreso neto por línea: quantity * unit_price * (1 - discount_pct / 100.0). discount_pct se guarda en puntos porcentuales (15 significa 15%), así que dividir entre 100 no es opcional.
• Qué pedidos: solo completed. Los pedidos cancelados nunca se enviaron, los reembolsados se devolvieron y los pendientes todavía pueden fallar. Incluirlos infla sobre todo diciembre, porque los pendientes se concentran en los últimos días del año.
• Qué líneas: quantity > 0. Un puñado de líneas tiene cantidades cero o negativas por errores de captura.
• No es ingreso: shipping_fee. Vive en orders, uno por pedido, y tiene su propia pregunta.

Escribe la definición al principio de tu cuaderno o archivo de consultas. Después, cada paso es simplemente un GROUP BY distinto sobre la misma base.

Dos herramientas que usa este caso

Etiquetas de mes con strftime. strftime(date, format) convierte una fecha o marca de tiempo en texto con la forma que le pidas. %Y es el año de cuatro dígitos y %m el mes de dos dígitos:

SELECT order_id, order_date, strftime(order_date, '%Y-%m') AS month
FROM orders
ORDER BY order_id
LIMIT 2;

order_id	order_date	month
1001	2023-01-01 20:51:19	2023-01
1002	2023-01-02 07:58:46	2023-01

Como '2025-09' se ordena antes que '2025-10' como texto, ORDER BY month deja estas etiquetas en orden de calendario. En DuckDB puedes hacer GROUP BY por el alias month.

Ponerle nombre a un paso con WITH. Una CTE (expresión de tabla común) le da nombre a una consulta para que la siguiente la lea como si fuera una tabla. Es útil cuando quieres agregar primero y trabajar con los totales después:

WITH by_month AS (
  SELECT strftime(order_date, '%Y-%m') AS month, COUNT(*) AS orders
  FROM orders
  WHERE status = 'completed'
  GROUP BY month
)
SELECT month, orders
FROM by_month
WHERE orders > 600
ORDER BY month;

La parte entre paréntesis se ejecuta primero y produce una tabla pequeña llamada by_month, con una fila por mes; el SELECT que sigue filtra esa tabla y devuelve tres meses de mucha actividad: 2024-12 (629), 2025-11 (651) y 2025-12 (634). Los pasos 2 y 3 usan exactamente esto: una CTE guarda el ingreso sin redondear de cada periodo y el SELECT exterior redondea y calcula el crecimiento.

Paso 1: la temporada frente al otoño

La base es order_items unida a orders. Cada línea tiene exactamente un pedido, así que el JOIN agrega estado y fecha sin agregar filas. Contar pedidos es donde el grano te muerde: después del JOIN hay una fila por línea, así que COUNT(*) cuenta líneas, no pedidos. COUNT(DISTINCT o.order_id) es la solución, y el valor medio del pedido es el ingreso dividido entre ese conteo distinto.

Agrupar por strftime(o.order_date, '%Y-%m') da meses en texto ordenable. Filtra la fecha con un rango semiabierto (>= '2025-09-01' AND < '2026-01-01') para no perder la última noche de diciembre, una marca de tiempo como 2025-12-31 21:14.

Paso 2: año contra año por categoría

Comparar dos periodos lado a lado es agregación condicional: un SUM(CASE WHEN ... END) por periodo. Las filas fuera de ambas temporadas dan NULL dentro del CASE y SUM las ignora. Una CTE mantiene las sumas sin redondear para que el porcentaje de crecimiento se calcule con valores exactos; redondear primero y dividir después puede mover el último decimal.

El crecimiento de las fiestas es una pregunta año contra año, no mes contra mes: comparar diciembre con noviembre te habla del calendario, comparar diciembre de 2025 con diciembre de 2024 te habla del negocio.

Paso 3: ¿diciembre superó a noviembre?

El mismo patrón, dos meses, agrupado por canal. Es de esperar que diciembre quede cerca de noviembre: el Black Friday y el Cyber Monday caen a finales de noviembre, mientras que diciembre tiene el empujón de HOLIDAY20 y una Nochebuena y una Navidad muertas. Saber qué canal creció es la parte útil de la respuesta.

SQL y pandas lado a lado

Idea	SQL	pandas
ingreso por línea	expresión dentro de SUM	una columna nueva con assign
etiqueta de mes	strftime(order_date, '%Y-%m')	order_date.dt.strftime('%Y-%m')
pedidos distintos	COUNT(DISTINCT order_id)	("order_id", "nunique")
dos periodos como columnas	SUM(CASE WHEN ...)	filtrar y luego pivot_table

Errores comunes

• Unir orders a order_items y luego sumar shipping_fee cuenta cada tarifa una vez por línea.
• BETWEEN '2025-12-01' AND '2025-12-31' sobre una marca de tiempo se detiene a medianoche del 31.
• La división entera no es un riesgo aquí porque la expresión ya es decimal, pero multiplicar por 100.0 en lugar de 100 mantiene a salvo las cuentas de porcentajes en cualquier caso.