La solicitud

De Jessica Turner, Gerente de Merchandising
Tu objetivo
Usando pedidos completados realizados desde 2025-04-01 hasta 2025-07-01 (sin incluirlo) y líneas con quantity > 0, calcula las unidades vendidas por producto (suma de quantity). Devuelve todos los productos cuyo puesto dentro de su categoría sea 3 o mejor, donde los productos empatados comparten puesto (RANK por unidades descendente), con: category, product_id, name, units y units_rank. Ordena por category, luego units_rank y luego product_id.
- Lee de la tabla
productspendiente - Lee de la tabla
orderspendiente - Muestra exactamente
categoryproduct_idnameunitsunits_rankpendiente
Tu consulta
Cargando el editor…
Solución de referencia
| product_id | name | category | subcategory | unit_price |
|---|---|---|---|---|
| 101 | Vale Velvet Loveseat | Furniture | Sofas | 1659.00 |
| 102 | Alder Oak Coffee Table | Furniture | Tables | 919.00 |
| 103 | Orchard Rattan Dining Chair | Furniture | Chairs | 789.00 |
| 104 | Upland Oak Bookcase | Furniture | Storage | 429.00 |
Mote revisa tu resultado
Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.
Lo que recibe Jessica, y por qué
Tablas
Datos de la tienda Harbor & Pine, listos para consultar.
products120 filas · 8 columnas
product_idintegernamevarcharcategoryvarcharsubcategoryvarcharunit_pricedecimalunit_costdecimallaunched_ondateis_activeboolean
| product_id | name | category | subcategory | unit_price | unit_cost | launched_on | is_active |
|---|---|---|---|---|---|---|---|
| 101 | Vale Velvet Loveseat | Furniture | Sofas | 1659.00 | NULL | 2023-09-11 | true |
| 102 | Alder Oak Coffee Table | Furniture | Tables | 919.00 | 503.50 | 2024-05-16 | true |
| 103 | Orchard Rattan Dining Chair | Furniture | Chairs | 789.00 | 429.87 | 2023-05-27 | true |
| 104 | Upland Oak Bookcase | Furniture | Storage | 429.00 | 214.70 | 2022-12-20 | true |
| 105 | Avery Leather Bed Frame | Furniture | Beds | 449.00 | 232.70 | 2021-08-31 | true |
orders12,000 filas · 7 columnas
order_idintegercustomer_idintegerorder_datetimestampstatusvarcharchannelvarcharshipping_feedecimalcoupon_codevarchar
| order_id | customer_id | order_date | status | channel | shipping_fee | coupon_code |
|---|---|---|---|---|---|---|
| 1001 | 125 | 2023-01-01 20:51:19 | completed | web | 0.00 | NULL |
| 1002 | 156 | 2023-01-02 07:58:46 | completed | web | 0.00 | NULL |
| 1003 | 22 | 2023-01-02 10:25:27 | completed | marketplace | 4.99 | WELCOME10 |
| 1004 | 48 | 2023-01-02 11:21:51 | completed | marketplace | 4.99 | WELCOME10 |
| 1005 | 82 | 2023-01-02 11:43:36 | completed | web | 0.00 | WELCOME10 |
order_items30,338 filas · 6 columnas
order_item_idintegerorder_idintegerproduct_idintegerquantityintegerunit_pricedecimaldiscount_pctdecimal
| order_item_id | order_id | product_id | quantity | unit_price | discount_pct |
|---|---|---|---|---|---|
| 1 | 1001 | 121 | 9 | 31.99 | 0.00 |
| 2 | 1001 | 154 | 3 | 11.99 | 0.00 |
| 3 | 1002 | 154 | 4 | 11.99 | 0.00 |
| 4 | 1002 | 194 | 1 | 149.00 | 0.00 |
| 5 | 1002 | 193 | 2 | 19.99 | 0.00 |
customers2,018 filas · 9 columnas
customer_idintegerfirst_namevarcharlast_namevarcharemailvarcharcityvarcharstatevarcharsignup_datedatesegmentvarcharreferral_sourcevarchar
| customer_id | first_name | last_name | city | state | signup_date | segment | referral_source | |
|---|---|---|---|---|---|---|---|---|
| 1 | Owen | Hudson | owen.hudson@icloud.com | San Francisco | CA | 2022-06-02 | consumer | search |
| 2 | Douglas | Mendoza | dmendoza69@gmail.com | Atlanta | GA | 2022-06-02 | consumer | NULL |
| 3 | Henry | Brooks | hbrooks@lakesidecafe.com | Los Angeles | CA | 2022-06-04 | business | NULL |
| 4 | Brian | Graham | bgraham@bluecedarhomes.com | Seattle | WA | 2022-06-06 | business | |
| 5 | Kyle | Jimenez | kjimenez27@yahoo.com | Indianapolis | IN | 2022-06-07 | consumer | NULL |
returns1,673 filas · 5 columnas
return_idintegerorder_item_idintegerreturned_ondatereasonvarcharrefund_amountdecimal
| return_id | order_item_id | returned_on | reason | refund_amount |
|---|---|---|---|---|
| 1 | 14 | 2023-01-10 | damaged | 83.69 |
| 2 | 42 | 2023-01-10 | wrong_item | 19.99 |
| 3 | 105 | 2023-01-14 | wrong_item | 10.99 |
| 4 | 24 | 2023-01-16 | changed_mind | 26.99 |
| 5 | 126 | 2023-01-16 | late | 20.99 |
employees60 filas · 8 columnas
employee_idintegerfirst_namevarcharlast_namevarchardepartmentvarchartitlevarcharmanager_idintegerhire_datedatesalaryinteger
| employee_id | first_name | last_name | department | title | manager_id | hire_date | salary |
|---|---|---|---|---|---|---|---|
| 1 | Catherine | Hale | Executive | Chief Executive Officer | NULL | 2016-03-01 | 285000 |
| 2 | Robert | Kim | Executive | Chief Operating Officer | 1 | 2017-01-09 | 235000 |
| 3 | Megan | Collins | Sales | Head of Sales | 1 | 2018-04-16 | 172000 |
| 4 | Chloe | Gutierrez | Sales | Account Executive | 3 | 2020-01-21 | 72000 |
| 5 | Frank | Bell | Sales | Account Executive | 3 | 2023-05-21 | 73000 |
web_sessions40,000 filas · 7 columnas
session_idintegercustomer_idintegerstarted_attimestampdevicevarcharsourcevarcharpages_viewedintegerconvertedboolean
| session_id | customer_id | started_at | device | source | pages_viewed | converted |
|---|---|---|---|---|---|---|
| 1 | NULL | 2023-01-01 23:02:24 | mobile | paid | 1 | false |
| 2 | 18 | 2023-01-01 15:07:49 | desktop | paid | 1 | false |
| 3 | NULL | 2023-01-01 16:55:46 | desktop | direct | 7 | false |
| 4 | NULL | 2023-01-01 12:43:28 | mobile | organic | 3 | false |
| 5 | NULL | 2023-01-01 13:06:21 | mobile | social | 2 | false |
marketing_spend3,276 filas · 3 columnas
spend_datedatechannelvarcharamountdecimal
| spend_date | channel | amount |
|---|---|---|
| 2023-01-01 | paid | 492.99 |
| 2023-01-01 | 37.38 | |
| 2023-01-01 | social | 200.53 |
| 2023-01-02 | paid | 709.13 |
| 2023-01-02 | 64.13 |
La lección
“Los 3 mejores por categoría” suena inequívoco hasta que dos productos empatan por el tercero. Entonces hay que decidir: ¿exactamente tres filas por categoría, o todos los que se ganaron un puesto en el top 3? Es una decisión de negocio, y la función de ranking es como la codificas.
Dos definiciones, dos funciones
- Exactamente N filas:
ROW_NUMBER()con un desempate (ORDER BY units DESC, product_id). Bueno para un carrusel de portada con tres espacios. - Todos los que están en los N primeros puestos:
RANK(). Los productos empatados comparten puesto, así que una categoría puede devolver más de N filas. Bueno para un informe donde descartar un producto sería injusto o engañoso.
DENSE_RANK() es una tercera opción: tras un empate no se salta números, así que “los 3 primeros puestos
densos” pueden devolver muchos más productos. Úsala cuando quieras decir “los 3 primeros valores
distintos”.
Ejemplo resuelto: Lighting en la primavera de 2025
De abril a junio de 2025 (pedidos completados, cantidades positivas), Lighting se ve así:
| product_id | name | units | RANK | ROW_NUMBER |
|---|---|---|---|---|
| 122 | Monroe Glass Desk Lamp | 84 | 1 | 1 |
| 135 | Ridge Ceramic Chandelier | 44 | 2 | 2 |
| 127 | Dune Black Metal Pendant Light | 38 | 3 | 3 |
| 131 | Ashford Linen Pendant Light | 38 | 3 | 4 |
Con ROW_NUMBER la lámpara colgante Ashford desaparece solo porque su id es mayor. Con RANK ambas
lámparas colgantes son terceras, y la respuesta completa tiene 19 filas: tres por cada una de cinco
categorías y cuatro para Lighting.
La forma
Agrega, clasifica en una CTE y filtra por fuera:
ranked AS (
SELECT *,
RANK() OVER (PARTITION BY category ORDER BY units DESC) AS units_rank
FROM product_units
)
SELECT ... FROM ranked WHERE units_rank <= 3
El filtro externo es obligatorio: WHERE se ejecuta antes que las funciones de ventana, así que
WHERE RANK() OVER (...) <= 3 es un error.
QUALIFY
DuckDB, Snowflake, BigQuery y Databricks aceptan QUALIFY, un filtro que se ejecuta después de las
funciones de ventana, por lo que no hace falta la CTE extra:
SELECT category, product_id, name, units,
RANK() OVER (PARTITION BY category ORDER BY units DESC) AS units_rank
FROM product_units
QUALIFY units_rank <= 3;
Postgres y MySQL no lo admiten; la CTE funciona en todas partes.
Errores comunes
- Clasificar sin PARTITION BY. Obtienes los 3 mejores de toda la tienda, no de cada categoría.
- ROW_NUMBER sin desempate. El resultado puede cambiar entre ejecuciones cuando los valores empatan.
- Clasificar antes de filtrar el periodo. Filtra las fechas en la CTE de agregación y luego clasifica.
En SQL Server
No hay QUALIFY, así que conserva la CTE y filtra por fuera. TOP (3) WITH TIES solo funciona para el
resultado completo, no por grupo.
SELECT * FROM ranked WHERE units_rank <= 3 ORDER BY category, units_rank, product_id; ¡Linterna encendida!
Practicaste: top n per groupranktiesqualifycte
- Resuelto
- Sin pistas
- Al primer intento
