EN
  7. Faro

Nivel 4 · Noviembre siempre sube

De Megan Collins, Directora de Ventas

“Las ventas netas de noviembre subieron un 66 % respecto a octubre y me gustaría ponerlo en la actualización para la junta. ¿Puedes darme las cifras de crecimiento de cada mes de 2025 para mostrar la tendencia?”

Tu objetivo

Usando el CTE monthly del starter (ventas netas por mes de pedidos confirmados, 2024 y 2025), devuelve una fila por cada mes de 2025 con: month (texto, 'YYYY-MM'), net_sales, prev_month (el mes anterior), mom_pct ((net_sales / prev_month − 1) × 100), last_year (el mismo mes de 2024) y yoy_pct ((net_sales / last_year − 1) × 100). Redondea las columnas de dinero a 2 y los porcentajes a 1. Ordena por mes.

  • Lee de la tabla orders
  • Lee de la tabla order_items
  • Muestra exactamente month net_sales prev_month mom_pct last_year yoy_pct

Tu consulta

SQL

Cargando el editor…

    ResultadoVista previa de orders · presiona Ejecutar para ver el tuyo
    order_idcustomer_idorder_datestatuschannel
    10011252023-01-01 20:51:19completedweb
    10021562023-01-02 07:58:46completedweb
    1003222023-01-02 10:25:27completedmarketplace
    1004482023-01-02 11:21:51completedmarketplace

    Mote revisa tu resultado

    Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.

    Tablas

    Datos de la tienda Harbor & Pine, listos para consultar.

    orders12,000 filas · 7 columnas
    • order_idinteger
    • customer_idinteger
    • order_datetimestamp
    • statusvarchar
    • channelvarchar
    • shipping_feedecimal
    • coupon_codevarchar
    order_idcustomer_idorder_datestatuschannelshipping_feecoupon_code
    10011252023-01-01 20:51:19completedweb0.00NULL
    10021562023-01-02 07:58:46completedweb0.00NULL
    1003222023-01-02 10:25:27completedmarketplace4.99WELCOME10
    1004482023-01-02 11:21:51completedmarketplace4.99WELCOME10
    1005822023-01-02 11:43:36completedweb0.00WELCOME10
    order_items30,338 filas · 6 columnas
    • order_item_idinteger
    • order_idinteger
    • product_idinteger
    • quantityinteger
    • unit_pricedecimal
    • discount_pctdecimal
    order_item_idorder_idproduct_idquantityunit_pricediscount_pct
    11001121931.990.00
    21001154311.990.00
    31002154411.990.00
    410021941149.000.00
    51002193219.990.00
    customers2,018 filas · 9 columnas
    • customer_idinteger
    • first_namevarchar
    • last_namevarchar
    • emailvarchar
    • cityvarchar
    • statevarchar
    • signup_datedate
    • segmentvarchar
    • referral_sourcevarchar
    customer_idfirst_namelast_nameemailcitystatesignup_datesegmentreferral_source
    1OwenHudsonowen.hudson@icloud.comSan FranciscoCA2022-06-02consumersearch
    2DouglasMendozadmendoza69@gmail.comAtlantaGA2022-06-02consumerNULL
    3HenryBrookshbrooks@lakesidecafe.comLos AngelesCA2022-06-04businessNULL
    4BrianGrahambgraham@bluecedarhomes.comSeattleWA2022-06-06businesspinterest
    5KyleJimenezkjimenez27@yahoo.comIndianapolisIN2022-06-07consumerNULL
    products120 filas · 8 columnas
    • product_idinteger
    • namevarchar
    • categoryvarchar
    • subcategoryvarchar
    • unit_pricedecimal
    • unit_costdecimal
    • launched_ondate
    • is_activeboolean
    product_idnamecategorysubcategoryunit_priceunit_costlaunched_onis_active
    101Vale Velvet LoveseatFurnitureSofas1659.00NULL2023-09-11true
    102Alder Oak Coffee TableFurnitureTables919.00503.502024-05-16true
    103Orchard Rattan Dining ChairFurnitureChairs789.00429.872023-05-27true
    104Upland Oak BookcaseFurnitureStorage429.00214.702022-12-20true
    105Avery Leather Bed FrameFurnitureBeds449.00232.702021-08-31true
    returns1,673 filas · 5 columnas
    • return_idinteger
    • order_item_idinteger
    • returned_ondate
    • reasonvarchar
    • refund_amountdecimal
    return_idorder_item_idreturned_onreasonrefund_amount
    1142023-01-10damaged83.69
    2422023-01-10wrong_item19.99
    31052023-01-14wrong_item10.99
    4242023-01-16changed_mind26.99
    51262023-01-16late20.99
    employees60 filas · 8 columnas
    • employee_idinteger
    • first_namevarchar
    • last_namevarchar
    • departmentvarchar
    • titlevarchar
    • manager_idinteger
    • hire_datedate
    • salaryinteger
    employee_idfirst_namelast_namedepartmenttitlemanager_idhire_datesalary
    1CatherineHaleExecutiveChief Executive OfficerNULL2016-03-01285000
    2RobertKimExecutiveChief Operating Officer12017-01-09235000
    3MeganCollinsSalesHead of Sales12018-04-16172000
    4ChloeGutierrezSalesAccount Executive32020-01-2172000
    5FrankBellSalesAccount Executive32023-05-2173000
    web_sessions40,000 filas · 7 columnas
    • session_idinteger
    • customer_idinteger
    • started_attimestamp
    • devicevarchar
    • sourcevarchar
    • pages_viewedinteger
    • convertedboolean
    session_idcustomer_idstarted_atdevicesourcepages_viewedconverted
    1NULL2023-01-01 23:02:24mobilepaid1false
    2182023-01-01 15:07:49desktoppaid1false
    3NULL2023-01-01 16:55:46desktopdirect7false
    4NULL2023-01-01 12:43:28mobileorganic3false
    5NULL2023-01-01 13:06:21mobilesocial2false
    marketing_spend3,276 filas · 3 columnas
    • spend_datedate
    • channelvarchar
    • amountdecimal
    spend_datechannelamount
    2023-01-01paid492.99
    2023-01-01email37.38
    2023-01-01social200.53
    2023-01-02paid709.13
    2023-01-02email64.13

    La lección

    Dos tasas de crecimiento

    El crecimiento mes a mes (MoM) compara un mes con el anterior. El crecimiento interanual (YoY) lo compara con el mismo mes de un año antes. En un negocio sin temporadas cuentan la misma historia. Harbor & Pine tiene temporadas fuertes: noviembre y diciembre traen Black Friday, Cyber Monday y regalos de fiestas, y venden cerca del doble de un mes normal.

    month     net sales    MoM      YoY
2025-10   184,241.76   +26.6%   +19.0%
2025-11   305,172.51   +65.6%    -8.0%
2025-12   293,358.44    -3.9%    -1.2%
2025-01   156,093.59   -47.4%   +39.9%

    El +65,6 % MoM de noviembre es la temporada, y pasa todos los años. Frente al noviembre pasado, las ventas bajan 8 %. El −47,4 % de enero parece un desplome y en realidad es el mejor crecimiento interanual del año.

    Estacionalidad

    Un patrón que se repite cada año en la misma época es estacionalidad. Cuando es fuerte, el crecimiento MoM mide sobre todo el calendario. El YoY compara lo comparable: misma temporada, mismos festivos, mismo clima. Por eso los comercios informan “el mismo período del año pasado” y por eso el mejor MoM de noviembre de una tienda puede convivir con su peor YoY.

    El YoY tiene sus propias trampas: un festivo que se mueve (el Black Friday cae en una fecha distinta cada año), una promoción que se hizo el año pasado y este no, o un número distinto de fines de semana en el mes. Nómbralas en una nota al pie cuando importen.

    LAG con mirada atrás

    LAG(net_sales, 12) OVER (ORDER BY month) llega doce filas atrás. Eso solo funciona cuando cada mes tiene una fila, y cuando las filas del año pasado siguen ahí cuando corre la ventana. SQL ejecuta WHERE antes que las funciones de ventana, así que filtra a 2025 en una consulta exterior, después de que el LAG haya visto 2024.

    Errores comunes

    • Crecimiento MoM como titular en un mes estacional. Es el calendario, no el desempeño.
    • Filtrar antes del LAG. Enero termina con crecimiento NULL, y todos los YoY son NULL.
    • Meses faltantes. Si un mes no tiene fila, LAG(…, 12) compara en silencio con el mes equivocado. Construye primero una lista completa de meses cuando los datos puedan tener huecos.

    Configurar cookies

    Elige qué puede ejecutarse en este sitio. Puedes cambiarlo cuando quieras desde "Configurar cookies", al pie de cada página.