1. Faro

Nivel 3 · Los 3 mejores por categoría, con empates

La solicitud

De Jessica Turner, Gerente de Merchandising

“Para el resumen de primavera quiero los 3 más vendidos por categoría en unidades de abril a junio de 2025. Si dos productos empatan por un puesto, muestra ambos. No quiero que se descarte un producto por su id.”

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 category product_id name units units_rankpendiente

Tu consulta

SQL

Cargando el editor…

    ResultadoVista previa de products · presiona Ejecutar para ver el tuyo
    Vista previa de products
    product_idnamecategorysubcategoryunit_price
    101Vale Velvet LoveseatFurnitureSofas1659.00
    102Alder Oak Coffee TableFurnitureTables919.00
    103Orchard Rattan Dining ChairFurnitureChairs789.00
    104Upland Oak BookcaseFurnitureStorage429.00

    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.

    products120 filas · 8 columnas
    • product_idinteger
    • namevarchar
    • categoryvarchar
    • subcategoryvarchar
    • unit_pricedecimal
    • unit_costdecimal
    • launched_ondate
    • is_activeboolean
    Primeras 5 filas de products
    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
    orders12,000 filas · 7 columnas
    • order_idinteger
    • customer_idinteger
    • order_datetimestamp
    • statusvarchar
    • channelvarchar
    • shipping_feedecimal
    • coupon_codevarchar
    Primeras 5 filas de orders
    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
    Primeras 5 filas de order_items
    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
    Primeras 5 filas de customers
    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
    returns1,673 filas · 5 columnas
    • return_idinteger
    • order_item_idinteger
    • returned_ondate
    • reasonvarchar
    • refund_amountdecimal
    Primeras 5 filas de returns
    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
    Primeras 5 filas de employees
    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
    Primeras 5 filas de web_sessions
    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
    Primeras 5 filas de marketing_spend
    spend_datechannelamount
    2023-01-01paid492.99
    2023-01-01email37.38
    2023-01-01social200.53
    2023-01-02paid709.13
    2023-01-02email64.13

    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;

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